“线程“主”java.lang.StackOverflowError 中的异常”答案

【问题标题】："Exception in thread "main" java.lang.StackOverflowError"“线程“主”java.lang.StackOverflowError 中的异常”
【发布时间】：2014-05-08 07:18:06
【问题描述】：

我在使用正则表达式时收到“线程“主”java.lang.StackOverflowError 中的异常”：

(",(?=([^\"]*\"[^\"]*\")*[^\"]*$)")

对于一个长字符串。实际上，我想根据 .csv 文件中的 ','（在 .csv 文件中的 "" 之外）拆分字符串。它对 450 列工作正常，但对更多列给出错误，如下所示---

Exception in thread "main" java.lang.StackOverflowError
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4148)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4683)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4615)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3715)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:4170)
    at java.util.regex.Pattern$Curly.match(Pattern.java:4132)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4556)

【问题讨论】：

您可能是灾难性回溯的受害者。请参阅here 了解匹配“双引号、\”转义\“字符串”的好方法
另外，既然这似乎是 CSV，为什么不使用 OpenCSV？
很遗憾没有一个好的 CSV 库可用（据我所知）。这个问题源于人们应该如何解释 CSV 文件。首先，您可以指定分隔符',' 和引号字符'"'。引号字符围绕字段，例如"Hello, my", name, " is ", jared 将创建以下字段：{"Hello, my", "name", " is ", "jared"}。您可以遍历行的字符以生成这些字段（逐行、逐字符）。当引号字符需要成为字段的一部分时，它就会成为一个问题！

标签： java regex

【解决方案1】：

使用atomic group 代替您不需要的捕获组：

,(?=(?>[^\"]*\"[^\"]*\")*[^\"]*$)

这应该会加快速度并防止不必要的回溯。

【讨论】：

【解决方案2】：

我在通过正则表达式查找长字符串时遇到问题（当行长度超过 25k 个字符时）。我通过在我的正则表达式末尾添加加号 (+) 来修复它。

参见所有格量词 https://docs.oracle.com/javase/7/docs/api/java/util/regex/Pattern.html

这是我修改后的正则表达式

// find string using pattern `normal* (special normal*)*` 
// where special — any escaped symbol
Pattern stringRe = Pattern.compile("\"[^\\\\\"]*(\\\\.[^\\\\\"]*)*+\"");

这是我遇到 StackOverflowError 时解析 json 的完整代码

Pattern spaceRe = Pattern.compile("[\\s\\t\\n ]+");
// THIS PATTERN IS SAFE FOR A LONG STRING
// find string using pattern `normal* (special normal*)*` 
// where special — any escaped symbol
Pattern stringRe = Pattern.compile("\"[^\\\\\"]*(\\\\.[^\\\\\"]*)*+\"");
Pattern numberRe = Pattern.compile("\\d+(?:.\\d+)?");
Pattern boolRe = Pattern.compile("true|false");
Pattern nilRe = Pattern.compile("null");
Pattern openCurlyBraceRe = Pattern.compile("\\{");
Pattern closeCurlyBraceRe = Pattern.compile("\\}");
Pattern openSquareBracketRe = Pattern.compile("\\[");
Pattern closeSquareBracketRe = Pattern.compile("\\]");
Pattern colonRe = Pattern.compile(":");
Pattern commaRe = Pattern.compile(",");
Pattern re = Pattern.compile("(?:" + spaceRe +
        "|" + stringRe.pattern() +
        "|" + numberRe.pattern() +
        "|" + boolRe.pattern() +
        "|" + nilRe.pattern() +
        "|" + openCurlyBraceRe.pattern() +
        "|" + closeCurlyBraceRe.pattern() +
        "|" + openSquareBracketRe.pattern() +
        "|" + closeSquareBracketRe.pattern() +
        "|" + colonRe.pattern() +
        "|" + commaRe.pattern() + ")"
);
int i = 0;
Matcher matcher = re.matcher(json);
while (matcher.find()) {
   // some staff for parsing
}

关于https://regular-expressions.mobi/possessive.html?wlr=1的一些附加信息

当占有量词很重要时

所有格量词的主要实际好处是加快您的正则表达式。特别是，所有格量词让你的正则表达式失败得更快。在上面的例子中，当右引号不匹配时，我们知道正则表达式不可能跳过引号。所以没有必要回溯和检查报价。我们通过使量词所有格来使正则表达式引擎意识到这一点。事实上，有些引擎，包括 JGsoft 引擎，在编译你的正则表达式时会检测到 [^"]* 和 " 是互斥的，并自动将星号设为所有格。

【讨论】：