Python 的正则表达式源字符串长度

Question

在 Python 正则表达式中，

re.compile("x"*50000)

给我OverflowError: regular expression code size limit exceeded

但是下面的一个没有得到任何错误，但它达到了 100% CPU，并且在我的 PC 上花了 1 分钟

>>> re.compile(".*?.*?.*?.*?.*?.*?.*?.*?.*?.*?"*50000)
<_sre.SRE_Pattern object at 0x03FB0020>

这正常吗？

我应该假设".*?.*?.*?.*?.*?.*?.*?.*?.*?.*?"*50000 比"x"*50000 短吗？

在 Python 2.6、Win32 上测试

更新 1：

看起来".*?.*?.*?.*?.*?.*?.*?.*?.*?.*?"*50000 可以简化为.*?

那么，这个怎么样？

re.compile(".*?x"*50000)

它确实可以编译，如果那个也可以减少到".*?x"，它应该只匹配字符串"abcx"或"x"，但它不匹配。

那么，我错过了什么吗？

更新 2：

我的意思是不知道正则表达式源字符串的最大限制，我想知道溢出处理程序捕获的"x"*50000 的一些原因/概念，但不是".*?x"*50000。

这对我来说没有意义，这就是原因。

溢出检查时缺少一些东西，或者它很好，或者它真的溢出了一些东西？

任何提示/意见将不胜感激。

Answer 1

不同之处在于".*?.*?.*?.*?.*?.*?.*?.*?.*?.*?"*50000可以简化为".*?"，而"x"*50000必须在FSM（或正则表达式引擎使用的类似结构）中生成50000个节点。

编辑：好吧，我错了。它不是那么聪明。 "x"*50000 失败而".*?x"*50000 没有失败的原因是一个“代码项”的大小有限制。 "x"*50000 将生成一个长项，".*?x"*50000 将生成许多小项。如果你可以在不改变正则表达式含义的情况下以某种方式拆分字符串文字，它会起作用，但我想不出办法。

Answer 2

你想匹配 50000 "x"s ，对吗？？？如果是这样，没有正则表达式的替代方法

if "x"*50000 in mystring:
    print "found"

如果你想用正则匹配50000个“x”，你可以使用range

>>> pat=re.compile("x{50000}")
>>> pat.search(s)
<_sre.SRE_Match object at 0xb8057a30>

在我的系统上，最大长度为 65535

>>> pat=re.compile("x{65536}")
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "/usr/lib/python2.6/re.py", line 188, in compile
    return _compile(pattern, flags)
  File "/usr/lib/python2.6/re.py", line 241, in _compile
    p = sre_compile.compile(pattern, flags)
  File "/usr/lib/python2.6/sre_compile.py", line 529, in compile
    groupindex, indexgroup
RuntimeError: invalid SRE code
>>> pat=re.compile("x{65535}")
>>>

我不知道 Python 中是否有一些调整可以用来增加这个限制。