没有堆栈溢出的 Java 正则表达式解析器答案

【问题标题】：Java regex parser without stack overflow没有堆栈溢出的 Java 正则表达式解析器
【发布时间】：2016-10-07 00:43:07
【问题描述】：

使用java.util.regex 处理正则表达式会导致大字符串和复杂正则表达式的堆栈溢出（尤其是其中包含|）。

有没有办法在 Java 中更防御性地处理正则表达式，比如

或任何其他不会杀死我的程序或使其处于不可恢复状态的机制？

【问题讨论】：

我建议您尝试简化正则表达式，而不是寻找堆栈溢出错误的解决方案。
没错，这通常是明智的。但是想出一个正则表达式其实很烦人，让它通过所有的单元测试，把它放在一个大的分析程序中看到它在凌晨 2 点崩溃，因为某些输入字符串真的很大。
这个答案已经回答了好几次了。实现一些超时机制：stackoverflow.com/questions/910740/…
@WiktorStribiżew：的确，这是一种合理的方法，但也不能令人满意，因为我必须根据我的筹码量来猜测时间限制。我的程序通常在晚上运行以完成某种工作。我不在乎正则表达式是否需要 5 分钟，只要它不会使 JVM 崩溃。
你想在你的程序中做什么？可能是您从不同的角度看待问题。

【解决方案1】：

StackOverflowError 可以像任何异常一样被捕获和处理。错误表示您通常不应该发现的严重问题，但在这种情况下，您知道它是什么并且您需要处理它。只需抓住它并处理这种情况（或重新抛出自定义异常）。

您可能还想考虑使用-Xss 命令行标志来增加堆栈大小。

【讨论】：

我同意第二部分。第一部分似乎有点粗略......处理运行时错误正在解决实际问题。在我看来，如果导致运行时错误，用户应该有效输入并根据要求重新考虑表达式。
是的，@ringbearer，我同意你的看法，最好避免这个问题，至少如果它可以以合理的成本完成的话。在这种情况下，我想提供一种防止损坏的方法，这可能是一个起点，同时等待更好的解决方案（可能会出现也可能不会出现）......
唯一正确的解决方案：只使用acc 编写的正则表达式。以线性方式展开循环原理，其中每个前面的子模式不能与后续子模式匹配相同的字符。