灾难性的回溯不应该发生在这个正则表达式上

Question

有人能解释一下为什么Java的正则表达式引擎在这个正则表达式上进入灾难性的回溯模式？据我所知，每一次交替都是相互排斥的。在

^(?:[^'\"\\s~:/@#\\|\\^\\&\\[\\]\\(\\)\\\\\\{\\}][^\"\\s~:/@#\\|\\^\\&\\[\\]\\(\\)\\\\\\{\\}]*|
\"(?:[^\"]+|\"\")+\"|
'(?:[^']+|'')+')

文本：'pão de açúcar itaucard mastercard platinum SUSTENTABILIDADE])

在一些替换中添加所有格匹配可以解决这个问题，但我不知道为什么-Java的regex lib必须非常有缺陷才能在互斥分支上回溯。在

^{pr2}$

Answer 1

Can someone explain why java's regex engine goes into catastrophic mode on this regex?

对于字符串：

'pão de açúcar itaucard mastercard platinum SUSTENTABILIDADE])

看来，正则表达式的这一部分将是问题所在：

^{pr2}$

匹配第一个'，然后无法匹配结束的'，从而回溯嵌套量词的所有组合。在

如果允许regex回溯，它将回溯（失败时）。使用原子群和/或所有格量词来防止这种情况发生。在

---

顺便说一句，你不需要那个正则表达式中的大部分转义。在字符类（[]）中，唯一需要转义的是字符^-]。但通常你可以定位它们，这样它们也就不需要逃跑了。当然，\和任何你所使用的字符串仍然需要（双）转义。在

"^(?:[^]['\"\\s~:/@#|^&(){}\\\\][^][\"\s~:/@#|^&(){}\\\\]*|\"(?:[^\"]++|\"\")++\"|'(?:[^']++|'')++')"