正则表达式：处理大字符串时的灾难性回溯

Question

我需要帮助来优化我的正则表达式以处理 URL BBCode 标记。正则表达式用于检查 URL 标记是否具有有效模式并且不包含白名单协议

#(\[url=(?:"|"|\'|)(((((?!https|http|ftp|mailto).)*):(//)?)([^\[\]]*))(?:"|"|\'|)\])(.*)(\[/url\])#siU

正则表达式将忽略：

• [url="www.example.com"]示例[/url]
• [url="https://example.com"]示例[/url]
• [url="http://example.com"]示例[/url]
• [url="ftp://example.com"]示例[/url]
• [url="mailto:mail@example.com"]示例[/url]

当匹配时：

• [url="ymsgr://example.com"]示例[/url]
• [url="anyprotocol://example.com"]示例[/url]

运行良好且没有问题，直到用户创建长度超过 10000 个字符的字符串数据，这将导致 灾难性回溯

Regex101 Reference Link

Answer 1

这是一个稍微优化的版本：

(?:\[url=(?:"|"|\'|)(?:(?:(?:(?:(?!https?|ftp|mailto).)*):(?://)?)(?:(?!"|"|&quote;).)++)(?:"|"|\'|)\])(?:(?!\[/url\]).)++(?:\[/url\])

这里的主要优化是：

• 将大部分捕获组更改为非捕获组(?:)
• 更改了 .* 表达式，没有经过调和的贪婪令牌/排除 (?:(?!).)
• 添加了一些所有格量词++
• （从协议黑名单切换到白名单也会有很大帮助）

Demo

如果您打算经常使用这种模式，可能值得一提的是S|Study PHP regex flag。从描述中猜测，它应该没有用，但可能仍然值得一试。我还没有测试过。

Sample Code

---

关于您更新的示例：最好分两步进行：首先，使用更简单的正则表达式提取 URL 元标记，例如

\[url=.*\[/url\]

然后，使用您的原始正则表达式或上面的一个来验证输入格式。