在Django中匹配嵌套路径时的灾难性正则表达式

Question

我在Django中有一个分层数据结构，并希望将路径与Django URL模式中的对象相匹配。这是我的模式：

url(r'^products/(?P<path>(?:[-\w]+\/?)+)/$',
    CategoriesListView.as_view(model=Product),
    name='product_categories_list'
),

目标是匹配整个路径，但没有尾部斜杠。问题是，在某些输入上，这个正则表达式在性能上完全退化。主要问题似乎是包含点的字符串：

In [1]: import re

In [2]: s = re.compile(r'^products/(?P<path>(?:[-\w]+/?)+)/$')

In [3]: s.search('products/111111111111111111111111.c')

大约需要5秒钟。使字符串更长会导致运行时间呈指数级增长。

如何重写该正则表达式，使其仍然匹配相同的字符串，但不吃早餐的CPU？

Answer 1

你可以写：

r'^products/(?P<path>[-\w/]+)/$'

匹配同一组字符串（除外），它不强制禁止非终结//。如果禁令很重要，那么你可以写：

r'^products(?!.*//.)/(?P<path>[-\w/]+)/$'

使用负前瞻性断言以较便宜的方式强制执行该禁令。