带有单引号查找的 Java 正则表达式错误？

Question

可能是一个我还没有看到的 PEBKAC，但是：(?:[^']+|'')+ 应该匹配带有非双引号的字符串（基于 Regex: Match double single quote inside string 并使用 Regex 101 进行测试）。

但是，如果在 Java Pattern 对象中使用上述内容，即Pattern noSingleQuote = Pattern.compile("(?:[^']+|'')+");，则行为如下：

• 如果匹配的String不包含单引号，一切OK，Matcher返回true（即noSingleQuote.matcher("tester").matches()和noSingleQuote.matcher("tes''ter").matches()都OK）
• 如果匹配的字符串确实包含单引号，则 JDK Matcher 会在内部发生无限循环（即，noSingleQuote.matcher("tes'ter").matches() 会导致无限循环）

在 8u112 本地测试，在线使用Regex Planet

我还没有深入调试过无限循环发生的确切原因和位置。

有什么想法、见解？

更新：给定的示例不会重现所描述的行为，使用 "select x, y, z where x = ''t'';" 和 "select x, y, z where x = 't'';" 重现了我上面描述的内容。 这对我来说意味着错误（？）不仅仅是因为单引号。

Update2：它不是一个无限循环，但它似乎与字符串本身的空格数成正比。由于我遇到的生产代码有一个很长的字符串和很多空格，我只是假设它是一个无限循环。过失。

Answer 1

我想您遇到了我在Java regex to match start/end tags causes stack overflow 中描述的一个已知问题。简而言之，原因是 Java 正则表达式引擎以低效的方式处理量化的交替，unroll 这样的模式是个好主意。

在您的情况下，模式应定义为

String pattern = "[^']*(?:''[^']*)*";

这里的逻辑是线性的，涉及的回溯要少得多：

• [^']* - 除' 之外的零个或多个字符
• (?:''[^']*)* - 零个或多个序列：
  • '' - 双单引号
  • [^']* - 除' 之外的零个或多个字符。

Answer 2

我认为你的无限循环在别处。

Pattern p = Pattern.compile("(?:[^']+|'')+");

public void test(String test) {
    System.out.println("\ntest = [" + test + "]");
    Matcher m = p.matcher(test);
    while (m.find()) {
        System.out.println("Found!");
        for (int i = 0; i <= m.groupCount(); i++) {
            System.out.println("Matched (" + i + ") '" + m.group(i) + "'");
        }
    }
}

private void test() {
    test("select x, y, z where x = ''t'';");
    test("select x, y, z where x = 't'';");
    test("tes'ter");

}

工作正常，没有问题。

JDK-1.8.0_111