Question

我正在尝试捕获两个字符串之间的所有内容，问题是我要捕获的字符串可以长到3000行数字和逗号。因此，当发生这种情况时，我会遇到灾难性的回溯错误。

这是我正在使用的正则表达式，也是下面的示例数据

NEM12[\s\S]+?<\/CSVIntervalData>

<。CSVIntervalData> 100，NEM12,201807290900，WBAYM，EEQ 200,3030910307，B1E1K1Q1,03，B1，N1,91111580，kWh，30， 300,20180728，.278，.278，.278，.278，.278，.278，.278，.278，.278，.278，.278，.278，.278，.056,0,0， 0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0,0，.074，.278，.278，.278，.278 ，.278，.278，.278，.278，.278，.278，.278，.278，.278，E75 ,,, 20180729000320， 900 <./ CSVIntervalData>

请注意，之间可以包含一千行数字，点和逗号

Answer 1

Your regex基于惰性匹配模式，如果您需要匹配的字符串很长，则这对正则表达式引擎意味着很多开销。当NEM12匹配时，将尝试</CSVIntervalData>，一旦引擎找不到它，它就会展开[\s\S]*?模式，匹配任何字符，然后再次测试{{1 }}模式，依此类推。多次执行后，可能会遇到问题（在regex101上，您通常会看到超时问题，而不是灾难性的回溯，因为这里没有 lazy 模式的回溯，回溯仅由贪婪模式触发）。

您可能要做的是解开惰性模式：

</CSVIntervalData>

请参见regex demo（请注意317与46步的区别）。

将NEM12[^<]*(?:<(?!/CSVIntervalData>)[^<]*)*</CSVIntervalData>替换为[\s\S]*?：除[^<]*(?:<(?!/CSVIntervalData>)[^<]*)*之外的0+个字符，然后<的任何0+序列不跟随< /CSVIntervalData>以外的任何0+个字符。尽管它更长一些，但它匹配大块文本，并且在预期匹配长的情况下更快，更可靠。如果文本在定界符之间包含太多连续的<字符，将不会那么快，但是对于真实数据通常不是这种情况。

如果您需要捕获<和NEM12这两个字符串之间的内容，请不要忘记捕获组：

</CSVIntervalData>

请参见this regex demo。

大字符串使用正则表达式的灾难性回溯问题

1 个答案: