时间戳

首页 > 解决方案 > 多行字符串文字的正则表达式产生 `StackOverflowError`

java - 多行字符串文字的正则表达式产生 `StackOverflowError`

问题描述

我想匹配包含在三"引号中的字符串，这些字符串可能包含换行符，并且"""除了开头和结尾之外不包含任何子字符串。

有效示例：

"""foo
bar "baz" blah"""

无效示例：

"""foo bar """ baz"""

我尝试使用以下正则表达式（作为 JavaString文字）：

"(?m)\"\"\"(?:[^\"]|(?:\"[^\"])|(?:\"\"[^\"]))*\"\"\""

它似乎适用于简短的例子。但是，在较长的示例中，例如在hello world包含StackOverflowError.

重现错误的 Scala 片段

import java.util.regex.{Pattern, Matcher}

val text = "\"" * 3 + "hello world \n" * 1000 + "\"" * 3
val p = Pattern.compile("(?m)\"\"\"(?:[^\"]|(?:\"[^\"])|(?:\"\"[^\"]))*\"\"\"")
println(p.matcher("\"\"\" foo bar baz \n baz bar foo \"\"\"").lookingAt())
println(p.matcher(text).lookingAt())

（注意：在本地测试，Scastie 超时；或者可能将 1000 减少到更小的数字？）。

产生相同错误的 Java 片段

import java.util.regex.Pattern;
import java.util.regex.Matcher;

class RegexOverflowMain {
  public static void main(String[] args) {
    StringBuilder bldr = new StringBuilder();
    bldr.append("\"\"\"");
    for (int i = 0; i < 1000; i++) {
      bldr.append("hello world \n");
    }
    bldr.append("\"\"\"");
    String text = bldr.toString();
    Pattern p = Pattern.compile("(?m)\"\"\"(?:[^\"]|(?:\"[^\"])|(?:\"\"[^\"]))*\"\"\"");
    System.out.println(p.matcher("\"\"\" foo bar baz \n baz bar foo \"\"\"").lookingAt());
    System.out.println(p.matcher(text).lookingAt());
  }
}

问题

StackOverflowError任何想法如何使这个“堆栈安全”，即有人可以找到一个接受相同语言的正则表达式，但在提供给 Java 正则表达式 API 时不会产生？

我不在乎解决方案是使用 Scala 还是 Java（或其他），只要使用相同的底层 Java regex 库即可。

标签： javaregexscalastack-overflow

解决方案

下面的完整答案优化了正则表达式的性能，但为了防止堆栈溢出，作为一个简单的解决方案，只需将重复组设为所有格即可。

具有选择的非占有重复组需要递归调用以允许回溯。使其具有所有格可以解决问题，因此只需在:+之后添加一个*：

"(?m)\"\"\"(?:[^\"]|(?:\"[^\"])|(?:\"\"[^\"]))*+\"\"\""

另请注意，如果要匹配整个输入，则需要调用matches()，而不是lookingAt()。

性能提升

注意：快速性能测试表明这比x4rf41 回答的正则表达式快 6 倍以上。

而不是匹配其中之一

  • 不是报价单：[^\"]
  • 正好一个报价：(?:\"[^\"])
  • 正好两句：(?:\"\"[^\"])

在一个循环中，首先将所有内容与报价相匹配。如果那是单引号或双引号，但不是三引号，则匹配 1-2 个引号，然后所有内容直到下一个引号，根据需要重复。最后匹配结尾的三引号。

这种匹配是确定的，所以使重复具有所有格。如果输入有许多嵌入式引号，这也可以防止堆栈溢出。

"{3}          match 3 leading quotes
[^"]*+        match as many non-quotes as possible (if any) {possesive}
(?:           start optional repeating group
   "{1,2}       match 1-2 quotes
   [^"]++       match one or more non-quotes (at least one) {possesive}
)*+           end optional repeating group                  {possesive}
"{3}          match 3 trailing quotes

由于您不使用^or $，因此不需要(?m)( MULTILINE )

作为 Java 字符串：

"\"{3}[^\"]*+(?:\"{1,2}[^\"]++)*+\"{3}"

推荐阅读