Regex.IsMatch 导致灾难性的回溯答案

【问题标题】：Regex.IsMatch is causing catastrophic backtrackingRegex.IsMatch 导致灾难性的回溯
【发布时间】：2020-04-12 08:01:25
【问题描述】：

我知道有很多类似的问题，但这是我的正则表达式特有的。我正在尝试查看字符串中是否包含任何 html。

Regex tagRegex = new Regex(@"<\s*([^ >]+)[^>]*>.*?<\s*/\s*\1\s*>")
if(tagRegex.IsMatch(body))
{
  *do something*
}

但由于灾难性的回溯，它在 IsMatch 部分失败。谁能告诉我正则表达式有什么问题？

谢谢

【问题讨论】：

是的，这个片段( [^ >]+ ) 吹过</junk> 或<tag\nsome junk/> 之类的标签，然后继续尝试将\1 放入其中。这是一个缓慢的过程。
您是要匹配 不可见的内容 还是只是打开/关闭标签？
相关：stackoverflow.com/questions/15458876/…
我建议将其用于不可见内容<(?:(script|style|object|embed|applet|noframes|noscript|noembed)(?:\s+(?>"[\S\s]*?"|'[\S\s]*?'|(?:(?!/>)[^>])?)+)?\s*>)[\S\s]*?</\1\s*>
你可以使用这个<(?:([\w:]+)(?:\s+(?>"[\S\s]*?"|'[\S\s]*?'|(?:(?!/>)[^>])?)+)?\s*>)[\S\s]*?</\1\s*>，但它会像<html> to </html>一样匹配我建议只使用下一个标签正则表达式来查看它是否有html。见下。

标签： c# regex

【解决方案1】：

在正则表达式中使用* 是大多数回溯发生的地方。这就像在说，“那里可能有东西，但可能没有……所以继续寻找”。这种优柔寡断导致回溯寻找其他替代方案......

你的模式的问题是它试图做所有事情，但由于回溯而最终什么都不做。需要通过指定要查找的特定事物来保持模式紧密，并且如果有的话，只使用*。

将您的模式缩短为一条规则，然后向其中添加更多规则。它成为完全合规性和速度之间的权衡；你需要打那个电话。

有关详细信息，请参阅 MS Docs Take Charge of Backtracking。

【讨论】：