为什么java的Regex有时会抛出stackoverflow异常？答案

【问题标题】：Why does java's Regex throws stackoverflow exception sometimes?为什么java的Regex有时会抛出stackoverflow异常？
【发布时间】：2017-07-01 16:38:22
【问题描述】：

我正在尝试为 HTML 标签制作正则表达式。到目前为止我创建的正则表达式是<(/?)(\w+?)(\s(.*?))*?((/>)|>)，当我在线测试它时，它运行良好；但是当我使用 Java 正则表达式对其进行测试时，它有时会抛出 StackOverFlowError 有时不会。

我正在使用此代码进行测试：

public static void parseHtml(String urlString){
    new Thread(new Runnable() {
        @Override
        public void run() {
            int count = 0;
            int count2 = 0;
            String htmlScript = downloadWebPage(urlString);
            Matcher matcher = Pattern.compile("<(/?)(\\w+?)(\\s(.*?))*?((/>)|>)",
                                              Pattern.DOTALL).matcher(htmlScript);
            while(matcher.find()) {
                System.out.println(matcher.group());
            }
        }
    }).start();
}

所以，我的问题是：为什么 Java 的正则表达式引擎有时会抛出 StackOverFlowError 有时不会？

注意：我使用了相同的测试输入（相同的 URL），它抛出了错误，稍后再次测试它，它运行良好。

【问题讨论】：

你读过this post吗？有关内存空间的错误，例如 StackOverflowError 或 OutOfMemoryException，通常是不可预测的，并且取决于清理过程。
你得到 StackOverFlowError 的标签/文件是什么？你能发布你的测试文件吗？
感谢您的评论，不，但我已经阅读了许多关于正则表达式及其工作原理的帖子，并且我试图使正则表达式尽可能贪婪以最小化递归过程，除了正则表达式的引擎，我没有使用任何额外的递归调用，我在这里遗漏了什么吗？
@MiguelTorres 我将一个网址传递给方法前：Link
@MCEmperor 那么有没有办法将这个错误的可能性降到最低？

标签： java regex stack-overflow

【解决方案1】：

我认为众所周知，Java 在某些情况下不喜欢交替
存在潜在回溯问题的地方。

所以，这部分 (\s(.*?))*? 在回溯上产生了撤消负担
机制。

 (                             # (3 start)
      \s
      ( .*? )                       # (4)
 )*?                           # (3 end)

最终结果是嵌套的可选量词。
它可以减少到([\S\s]*?) 而不会出现嵌套问题。

另外，这部分 ((/>)|>) 可以减少到 (/?>) 消除需要
通过交替获取另一个堆栈帧。

总的来说，您并不需要捕获组。

如果只需要解析标签，也就是html的初始级别
解析，然后使用正则表达式就可以了。

如果您想做的不仅仅是解析单个标签，则需要一个 DOM 解析器。

我发现这个正则表达式会解析所有单独的 html/xml 标签。

https://regex101.com/r/YXhCxe/1

展开

 <
 (?:
      (?:
           (?:
                # Invisible content; end tag req'd
                (                             # (1 start)
                     script
                  |  style
                  |  object
                  |  embed
                  |  applet
                  |  noframes
                  |  noscript
                  |  noembed 
                )                             # (1 end)
                (?:
                     \s+ 
                     (?>
                          " [\S\s]*? "
                       |  ' [\S\s]*? '
                       |  (?:
                               (?! /> )
                               [^>] 
                          )?
                     )+
                )?
                \s* >
           )

           [\S\s]*? </ \1 \s* 
           (?= > )
      )

   |  (?: /? [\w:]+ \s* /? )
   |  (?:
           [\w:]+ 
           \s+ 
           (?:
                " [\S\s]*? " 
             |  ' [\S\s]*? ' 
             |  [^>]? 
           )+
           \s* /?
      )
   |  \? [\S\s]*? \?
   |  (?:
           !
           (?:
                (?: DOCTYPE [\S\s]*? )
             |  (?: \[CDATA\[ [\S\s]*? \]\] )
             |  (?: -- [\S\s]*? -- )
             |  (?: ATTLIST [\S\s]*? )
             |  (?: ENTITY [\S\s]*? )
             |  (?: ELEMENT [\S\s]*? )
           )
      )
 )
 >

【讨论】：

感谢您的回答，这真的很有帮助，我根据您的回答对我的正则表达式进行了一些修改，这就是我目前得到的<(/?)(\w+?)([\S\s]*?)(/?>)，我正在使用括号来测试组。

【解决方案2】：

根据您的输入，我测试了它，它工作正常，我无法重现错误，这里是实现：

public static void main(String[] args) {
    new Thread(new Runnable() {
        @Override
        public void run() {
            String htmlScript = downloadWebPage("https://stackoverflow.com/questions/13684468/java-runnable-run-method-returning-a-value");
            Matcher matcher = Pattern.compile("<(/?)(\\w+?)(\\s(.*?))*?((/>)|>)",
                                              Pattern.DOTALL).matcher(htmlScript);
            while(matcher.find()) {
                System.out.println(matcher.group());
            }
        }
    }).start();

}

private static String downloadWebPage(String urlString) {
    StringBuilder sb = new StringBuilder();
    try {
        URL u = new URL(urlString);
        BufferedReader in = new BufferedReader(new InputStreamReader(u.openStream()));

        String inputLine;
        while ((inputLine = in.readLine()) != null) {
            sb.append(inputLine);
        }
        in.close();
    } catch (Exception e) {
        e.printStackTrace();
    }
    return sb.toString();
}

这是输出：https://pastebin.com/s9DbBVBJ

【讨论】：

感谢您的努力，我会尝试重现错误并发布它