re.search() 和 re.findall() 挂起答案

【问题标题】：re.search() and re.findall() are hangingre.search() 和 re.findall() 挂起
【发布时间】：2019-02-23 15:46:18
【问题描述】：

我在使用 re.search() 或 re.findall() 时遇到问题。但让我先解释一下。我正在搜索 C 代码，其中包含如下定义：

#define SOME_FUNCTION( someArgument, someMoreArgument)

有时，当它们有很多参数时，它们会被包装起来，所以它们看起来像这样：

#define ANOTHER_FUNCTION( moreArgument, evenMoreArguments,
                          anAwfulLotOfArguments, youGetIt)

现在我正在使用 python 扫描这些文件以找到其中的每一个定义。我的正则表达式如下所示：

#define [A-Z,_]*\((?:.|\s)+?\"

在像regex101.com 这样的测试引擎中使用单行和多行定义进行测试时，它可以完美运行。

但是，当我将它与 python (3.4.1) 一起使用时，它仅适用于单行定义。当它尝试扫描多行定义时，它只是停止执行（尽管我可以用 Ctrl + C 中断它）。我尝试使用：

regexFullMacro = re.compile("#define [A-Z,_]*\((?:.|\s)+?\)")
match = regexFullMacro.search(searchString)

还有

regexFullMacro = re.compile("#define [A-Z,_]*\((?:.|\s)+?\)")
match = regexFullMacro.findall(searchString)

当涉及多行时，两者都尝试停止响应。

以前有没有人遇到过这个问题，或者我只是完全愚蠢并且遗漏了一些明显的东西？

【问题讨论】：

当您在 regex101 上进行测试时，您是否使用源文件的全部内容作为样本？您可能在回溯方面遇到问题，但如果您仅使用短字符串进行测试，这将不会引起注意...
一个明显的事情是永远不要在正则表达式模式中使用(?:.|\s)+?。它会导致如此重的回溯，以至于引擎卡住了。您总是希望 . 带有 DOTALL 修饰符或 [\s\S] 在需要仅将此行为应用于模式的一部分时。在这种情况下，"#define [A-Z,_]*\([^()]+\)" 应该足够了，因为否定字符类 [^()] 匹配除 ( 和 ) 之外的任何字符，包括换行符。
@WiktorStribiżew 对。在那个地方改用[^)]+，这不会做任何回溯。
感谢您的快速回复。我使用了@WiktorStribiżew 提供的解决方案，它完美无缺。如果我可以请您帮忙，您能否描述一下，[^()]+ 比 (?:.|\s)+ 做得更好的地方是什么？为什么该解决方案不会产生任何回溯？那太棒了

标签： python regex

【解决方案1】：

解决方案

r"#define [A-Z,_]*\([^()]+\)"

否定字符类[^()] 匹配除( 和) 之外的任何字符（包括换行符），并且+ 量词使正则表达式引擎匹配它们的1 个或多个连续出现。

根本原因

正则表达式模式中的(?:.|\s)+?（当有其他子模式要遵循时）会导致过多的扩展操作（这是一种惰性模式，我们只能谈论使用贪婪修饰符的回溯），从而冻结正则表达式引擎。这个交替组的主要问题是. 可以匹配\s 匹配的内容。当一个组中的交替可以在同一位置匹配时，它总是一个瓶颈，因为一旦一个选择失败，另一个会被尝试，如果组被量化（如此处）继续尝试更多次。

您总是希望. 带有DOTALL 修饰符或[\s\S]，而不是当需要仅将此行为应用于模式的一部分时（在Python re 中，[\S\s] workaround 非常有用，因为re does not support modifier groups)。

【讨论】：