有什么方法可以在perl RE中处理。* as。{0,1024}？

Question

我们允许一些用户提供的RE用于过滤电子邮件。早期我们在与任意大型电子邮件进行匹配时，会遇到包含.*的RE的一些性能问题。我们在用户提供的RE上找到了s/\*/{0,1024}/的简单解决方案。但是，这不是一个完美的解决方案，因为它会破坏以下模式：

/[*]/

而不是想出一些复杂的方法来解释用户提供的RE输入的每个可能的突变，我想限制perl对*和+字符的解释最大长度为1024个字符。

有没有办法做到这一点？

Answer 1

这并不能真正回答您的问题，但您应该了解用户提供的正则表达式的其他问题，例如请参阅此summary at OWASP。根据您的具体情况，编写或查找自定义简单模式匹配库可能更好？

Answer 2

<强>更新

在量词之前添加了(?<!\\)，因为转义的* +不应该匹配。如果有\\*（匹配\ 0次或更多次），则替换仍然会失败。

这将是一个改进

s/(?<!\\)\*(?!(?<!\\)[^[]*?(?<!\\)\])/{0,1024}/
s/(?<!\\)\+(?!(?<!\\)[^[]*?(?<!\\)\])/{1,1024}/

见here on Regexr

这意味着匹配[*+]，但前提是前面没有关闭]，之前没有[。在方括号前面不允许\ （(?<!\\)部分）。

(?! ... )是一个负面的预测

(?<! ... )是一个负面的背后隐藏

有关详细信息，请参阅perlretut

更新2包括占有量词

s/(?<!(?<!\\)[\\+*?])\+(?!(?<!\\)[^[]*?(?<!\\)\])/{1,1024}/   # for +
s/(?<!\\)\*(?!(?<!\\)[^[]*?(?<!\\)\])/{0,1024}/    # for *

见here on Regexr

似乎正在发挥作用，但它现在变得越来越复杂了！

Answer 3

使用Regexp::Parser获取树并根据需要修改正则表达式，或者为Regexp::English提供GUI界面

Answer 4

你的意思是除了修补源码之外？

1. 您可以在较短的块中分解输入文本并仅匹配那些。但话说回来，你不会匹配“线”休息。
2. 你可以打破正则表达式，只搜索它的第一个字符，加载接下来的1024个字符的文本，然后匹配整个正则表达式（显然，这与正则表达式一起使用。）
3. 找到正则表达式的第一个不是。* +（）\的字符，找到它，在之前和之后加载1024个字符，然后在此字符串上匹配整个正则表达式。 （复杂和修剪奇怪的不可预见的正则表达式中的错误）