使用 gcc 5.4 的 std::regex 无限循环答案

【问题标题】：std::regex infinite loop with gcc 5.4使用 gcc 5.4 的 std::regex 无限循环
【发布时间】：2018-02-10 09:45:11
【问题描述】：

std::regex_match() 未完成（GCC 5.4.0 20160609、x86_64、Ubuntu 16.04）。

但它适用于某些在线编译器：http://cpp.sh/ 可以，例如。

代码尝试将 INI 样式的节标题与可能的“#”-comment 匹配。

#include <regex>

int main(int argc, char *argv[])
{
    std::regex headerPattern("([[:blank:]]*\\[[[:blank:]]*((?:[[:blank:]]*[^[:space:]]+[[:blank:]]*?)+)[[:blank:]]*\\][[:blank:]]*(?:#(?:[^[:space:]]*[[:blank:]]*)*)?)");
    std::smatch headerMatch;
    std::string l("[Hdr 100] # ------------ 22 22 4444 88888888 333");
    return std::regex_match(l, headerMatch, headerPattern) ? 0 : 1;
}

构建：

g++ -std=c++11 main.cpp -o main

代码真的有问题吗？

【问题讨论】：

标签： regex c++11 gcc

【解决方案1】：

该模式会导致灾难性的回溯。发生这种情况是因为您有一个重复的捕获组 ((?:[[:blank:]]*[^[:space:]]+[[:blank:]]*?)+)（为简单起见，让我使用 PCRE 语法将其编写为 ((?:\h*\S+\h*?)+)）并且它匹配 0+ 个水平空白，然后是 1 个或多个非空白字符，然后是 0+ 个水平空白，所有这些都用+ 量化。这是一个经典的(a+)+ 案例，其模式使灾难性的回溯不可避免。

您需要通过以下方式展开此组和其他组：

std::regex headerPattern("([[:blank:]]*\\[[[:blank:]]*([^[:space:]]+(?:[[:blank:]]+[^[:space:]]+)*)[[:blank:]]*\\][[:blank:]]*(?:#[^[:space:]]*(?:[[:blank:]]+[^[:space:]]+)*)?)");

请参阅regex demo。这里有一个PCRE-converted variant 来理解区别：我上面提到的组现在是\S+(?:\h+\S+)*：1+ 个非空白字符，然后是 0+ 个 1+ 个水平空白字符的序列，然后是 1+ 个非空白字符。最后一个捕获组更改为\S*(?:\h+\S+)*：0+ 个非空白字符，后跟 0+ 个 1+ 个水平空白字符的序列，然后是 1+ 个非空白字符。

只需将\h 替换为[[:blank:]]（或[^\\S\r\n]）并将\S 替换为[^[:space:]]（或保留它，std::regex 支持它）即可将该 PCRE 模式恢复为您使用的模式。

【讨论】：