避免 Java 正则表达式灾难性的回溯答案

【问题标题】：Avoid Java regex catastrophic backtracking避免 Java 正则表达式灾难性的回溯
【发布时间】：2014-04-15 19:51:09
【问题描述】：

我有一个从 XML 读取的正则表达式，它被两个不同的工具使用。一个 Java 和一个 C++。

[…!\?\.](\)|\]|“|'|"|’|”|‘|´|''|»)*

尝试匹配以下字符串：

!!!!''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''''??

输入数据来自存储在 HDFS 上的一些“大数据”。

在 Java 中，它会一直回溯，而在 C++ 版本中则一切正常。问题是我无法更改正则表达式，因为它也被其他外部模块使用，而且很难激发更改，因为它在 C++ 中运行良好。

有没有办法通过不更改正则表达式来避免这个问题？我尝试在它后面附加一个“$”，但没有成功。

【问题讨论】：

我没有看到任何会导致该正则表达式回溯的内容，尤其是在没有该输入的情况下。一定有别的东西你没有向我们展示。（除此之外，这是一个非常糟糕的正则表达式。为什么不更改它？）
正如@TimPietzcker 所说——糟糕的表达是的，灾难性的回溯不是。你可以在这里查看你的模式，看看它是如何匹配的：regex101.com/r/vM6cA7/#debugger

标签： java regex string

【解决方案1】：

问题与正则表达式同时具有“'”和“''”（一个撇号或两个撇号）这一事实有关，解决此问题的简单方法是消除额外的“|''”（2撇号），因为它已经在寻找一个 ("|' ") 并且它有一组 ()* （因此括号内的所有内容无论如何都会查找零个或多个）。它对正则表达式的逻辑没有影响，但它解决了问题。感谢您的所有意见。

【讨论】：