Question

所以我想出了以下正则表达式：

([^\s\\]+(?:\\.[^\s\\]*)*)(?:.*?)(\S+\.php\b)

测试链接：https://regex101.com/r/NV6Bk4/4

它与命令行的二进制名称和脚本名称匹配。示例：

php --strict myscript.php --arg=value

匹配组（1）和组（2）中的php和myscript.php。

问题是中间的这一部分：(?:.*?)，它导致组合爆炸，从而减慢了大输入量的正则表达式。有没有一种方法可以对此进行优化？既然没有模式，我什么都想不起来。

为了澄清，我要匹配的规则是：将任何路径匹配到命令，可能包含转义的空格。忽略其后的所有参数。匹配以.php结尾的文件，忽略其后的所有内容。该命令应该在组（1）中，文件名应该在组（2）中。

Answer 1

您可以在Matcher#matches()中使用以下“修复程序”：

([^\s\\]*+(?:\\.[^\s\\]*)*).*?(\S+\.php\b).*

在Java中

String regex = "([^\\s\\\\]*+(?:\\\\.[^\\s\\\\]*)*).*?(\\S+\\.php\\b).*";

请参见regex demo。请注意，字符类外部的文字.必须转义。如果字符串可能有换行符，请使用Pattern.DOTALL编译模式。

如您所见，.*?部分匹配任何字符，并且(?:\\.[^\s\\]*)*可以匹配任何0个或更多字符（因此，它是可选的），以及{{左侧的1}}是.*?，可以与[^\s\\]+匹配相同的字符。这意味着，正则表达式引擎可能会回溯到第一个子模式，从而创建了许多匹配字符串的方法，通常称为灾难性回溯。

如果您不允许使用.*?所有格量词回溯到第一个否定字符类，它将已经更加可靠了。

在末尾添加*+，使其与.*一起使用，因为此方法需要完整的字符串匹配。

有没有办法优化这种灾难性正则表达式回溯的情况？

1 个答案: