我的正则表达式导致 Java 中的堆栈溢出；我错过了什么？答案

【问题标题】：My regex is causing a stack overflow in Java; what am I missing?我的正则表达式导致 Java 中的堆栈溢出；我错过了什么？
【发布时间】：2010-09-10 02:30:50
【问题描述】：

我正在尝试使用带有 Scanner 的正则表达式来匹配文件中的字符串。正则表达式适用于文件的所有内容，除了这一行：

DNA="ITTTAITATIATYAAAYIYI[....]ITYTYITTIYAIAIYIT"

在实际文件中，省略号代表数千个字符。

当读取文件的循环到达包含碱基的行时，会发生堆栈溢出错误。

这是循环：

while (scanFile.hasNextLine()) {
   final String currentLine = scanFile.findInLine(".*");
   System.out.println("trying to match '" + currentLine + "'");
   Scanner internalScanner = new Scanner(currentLine);
   String matchResult = internalScanner.findInLine(Constants.ANIMAL_INFO_REGEX);
   assert matchResult != null : "there's no reason not to find a match"; 
   matches.put(internalScanner.match().group(1), internalScanner.match().group(2));
   scanFile.nextLine();
  }

和正则表达式：

static final String ANIMAL_INFO_REGEX = "([a-zA-Z]+) *= *\"(([a-zA-Z_.]| |\\.)+)";

这是失败的痕迹：

java.lang.StackOverflowError
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3360)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4131)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4185)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4312)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4244)
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4095)
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3362)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4131)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4185)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4312)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4244)
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4095)
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3362)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4131)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4185)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4312)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4244)
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4095)
    ...etc (it's all regex).

非常感谢！

【问题讨论】：

我可以看到它会导致你得到一个stackoverflow...：P~

标签： java regex string stack-overflow

【解决方案1】：

这看起来像 bug 5050507 。我同意 Asaph 的观点，即删除交替应该会有所帮助；该错误特别指出“尽可能避免交替”。我认为您可能会更简单：

"^([a-zA-Z]+) *= *\"([^\"]+)"

【讨论】：

+1，但我想强调的是，错误 report 是假的。评估中的注释适用于任何正则表达式导向（或 NFA）正则表达式引擎，而不仅仅是 Java 的。（包括 Perl、Python、PHP、.NET、JavaScript 等。）

【解决方案2】：

试试这个简化版本的正则表达式，它删除了一些不必要的| 运算符（这可能导致正则表达式引擎进行大量分支）并包括行首和行尾锚点。

static final String ANIMAL_INFO_REGEX = "^([a-zA-Z]+) *= *\"([a-zA-Z_. ]+)\"$";

【讨论】：

【解决方案3】：

阅读此内容以了解问题：http://www.regular-expressions.info/catastrophic.html ... 然后使用其他建议之一

【讨论】：

【解决方案4】：

正如其他人所说，您的正则表达式的效率远低于应有的效率。我会更进一步，使用所有格量词：

"^([a-zA-Z]++) *+= *+\"([^\"]++)\"$"

但是您使用扫描仪的方式也没有多大意义。无需使用findInLine(".*") 读取该行；这就是nextLine() 所做的。而且您不需要创建另一个扫描仪来应用您的正则表达式；只需使用 Matcher。

static final Pattern ANIMAL_INFO_PATTERN = 
    Pattern.compile("^([a-zA-Z]++) *+= *+\"([^\"]++)\"$");

...

  Matcher lineMatcher = ANIMAL_INFO_PATTERN.matcher("");
  while (scanFile.hasNextLine()) {
    String currentLine = scanFile.nextLine();
    if (lineMatcher.reset(currentLine).matches()) {
      matches.put(lineMatcher.group(1), lineMatcher.group(2));
    }
  }

【讨论】：