Java模式导致堆栈溢出

Question

我正在使用一个正则表达式从任意长的输入字符串中提取键值对，并且遇到了这样的情况：对于具有重复模式的长字符串，它会导致堆栈溢出。

KV解析代码如下所示：

public static void parse(String input)
{
    String KV_REGEX = "((?:\"[^\"^ ]*\"|[^=,^ ])*) *= *((?:\"[^\"]*\"|[^=,^\\)^ ])*)";
    Pattern KV_PATTERN = Pattern.compile(KV_REGEX);

    Matcher matcher = KV_PATTERN.matcher(input);

    System.out.println("\nMatcher groups discovered:");

    while (matcher.find())
    {
        System.out.println(matcher.group(1) + ", " + matcher.group(2));
    }
}

一些虚构的输出示例：

    String input1 = "2012-08-09 09:10:25,521 INFO com.a.package.SomeClass - Everything working fine {name=CentOS, family=Linux, category=OS, version=2.6.x}";
    String input2 = "2012-08-09 blah blah 09:12:38,462 Log for the main thread, PID=5872, version=\"7.1.8.x\", build=1234567, other=done";

{name, CentOS
family, Linux
category, OS
version, 2.6.x}

PID, 5872
version, "7.1.8.x"
build, 1234567
other, done

Exception in thread "main" java.lang.StackOverflowError
    at java.util.regex.Pattern$BitClass.isSatisfiedBy(Pattern.java:2927)
    at java.util.regex.Pattern$8.isSatisfiedBy(Pattern.java:4783)
    at java.util.regex.Pattern$8.isSatisfiedBy(Pattern.java:4783)
    at java.util.regex.Pattern$8.isSatisfiedBy(Pattern.java:4783)
    at java.util.regex.Pattern$8.isSatisfiedBy(Pattern.java:4783)
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3345)
    ...

java.class.path=/opt/files/any:/opt/files/any:/opt/files/any:/opt/files/any

我显式地将generic放在上面，而不是在解析之前检查最大字符串长度的hacks（例如）。

我能想出的最粗俗的解决方法，一个真正的反模式，是

public void safeParse(String input)
{
    try
    {
        parse(input);
    }
    catch (StackOverflowError e) // Or even Throwable!
    {
        parse(input.substring(0, MAX_LENGTH));
    }
}

有趣的是，它在我试过的几次运行中都起作用了，但它不是一个值得推荐的有品位的东西。：-）

Answer 1

您的regex看起来过于复杂，例如，我认为您还不太理解字符类是如何工作的。这对我更好，我不能再让它溢出来了：

public static void parse(String input) {
    String KV_REGEX = "(\"[^\" ]*\"|[^{=, ]*) *= *(\"[^\"]*\"|[^=,) }]*)";
    Pattern KV_PATTERN = Pattern.compile(KV_REGEX);

    Matcher matcher = KV_PATTERN.matcher(input);

    System.out.println("\nMatcher groups discovered:");

    while (matcher.find()) {
        System.out.println(matcher.group(1) + ", " + matcher.group(2));
    }
}

要分解正则表达式,将匹配：

(\“[^\”]*\“[^{=,]*):包含”或任意数量的非{=,字符的任何内容