0

我有一个正则表达式来测试 CSV 单元格是否包含正确的文件路径：

编辑CSV 列出了脚本运行时尚不存在的文件路径（我不能使用 -e），并且文件路径可以包括 * 或 %variable% 或 {$variable}。

my $FILENAME_REGEXP = '^(|"|""")(?:[a-zA-Z]:[\\\/])?[\\\/]{0,2}(?:(?:[\w\s\.\*-]+|\{\$\w+}|%\w+%)[\\\/]{0,2})*\1$';

由于 CSV 单元格有时包含双引号的包装，有时文件名本身需要用双引号括起来，我做了这个分组 (|"|""") ... \1

然后使用这个函数：

sub ValidateUNCPath{
    my $input = shift;
    if ($input !~ /$FILENAME_REGEXP/){
        return;
    } 
    else{
        return "This is a Valid File Path.";
    }

}

我正在尝试测试这个短语是否与我的正则表达式匹配（它不应该匹配）：

"""c:\my\dir\lord"

但是我亲爱的 Perl 在以下情况下会进入无限循环：

ValidateUNCPath('"""c:\my\dir\lord"');

编辑实际上它循环这个：

ValidateUNCPath('"""\aaaaaaaaa\bbbbbbb\ccccccc\Netwxn00.map"');

我在http://regexpal.com中确保我的正则表达式正确捕获了那些非对称的 """ ..." 包装双引号，但 Perl 有自己的想法:(

我什至尝试了 /g 和 /o 标志 

/$FILENAME_REGEXP/go

但它仍然挂起。我错过了什么？

4

4 回答 4

3

首先，您发布的任何内容都不会导致无限循环，因此，如果您得到一个，它不是来自这部分代码。

当我尝试您的子例程时，它会为所有看起来不像路径的字符串返回 true，例如：

.....
This is a Valid File Path.
.*.*
This is a Valid File Path.
-
This is a Valid File Path.

这是因为您的正则表达式相当松散。

^(|"|""")                  # can match the empty string
(?:[a-zA-Z]:[\\\/])?       # same, matches 0-1 times
[\\\/]{0,2}                # same, matches 0-2 times
(?:(?:[\w\s\.\*-]+|\{\$\w+}|%\w+%)[\\\/]?)+\1$  # only this is not optional

由于实际上只有最后一部分必须匹配任何内容，因此您允许各种字符串，主要是在第一个字符类中：[\w\s\.\*-]

在我个人看来，当你开始依赖看起来像你的正则表达式时，你做错了。除非你精通正则表达式，并希望没有人会被迫修复它。

为什么不直接删除引号？此外，如果您的系统中存在此路径，则有一种更简单的方法来检查它是否有效：-e $path

于 2012-05-10T16:52:54.113 回答
1

更新

编辑：通过反复试验，以下分组子表达式[\w\s.*-]+导致回溯问题

    (?:
        (?:
             [\w\s.*-]+
          |  \{\$\w+\}
          |  %\w+%
        )
        [\\\/]?
    )+

修复 #1，展开方法 

'
 ^
    (                          # Nothing
      |"                       # Or, "
      |"""                     # Or, """
    )
                      # Here to end, there is no provision for quotes (")
    (?:               # If there are no balanced quotes, this will fail !!
        [a-zA-Z]
        :
        [\\\/]
    )?
    [\\\/]{0,2}

    (?:
        [\w\s.*-]
      |  \{\$\w+\}
      |  %\w+%
    )+
    (?:
        [\\\/]
        (?:
            [\w\s.*-]
          |  \{\$\w+\}
          |  %\w+%
        )+
    )*
    [\\\/]?
    \1
 $
'

修复 #2，独立子表达式

'
 ^
    (                          # Nothing
      |"                       # Or, "
      |"""                     # Or, """
    )
                      # Here to end, there is no provision for quotes (")
    (?:               # If there are no balanced quotes, this will fail !!
        [a-zA-Z]
        :
        [\\\/]
    )?
    [\\\/]{0,2}

    (?>
       (?:
           (?:
                [\w\s.*-]+
             |  \{\$\w+\}
             |  %\w+%
           )
           [\\\/]?
       )+
    )
    \1
 $
'

修复 #3，删除 + 量词（或添加 +？）

'
 ^
    (                          # Nothing
      |"                       # Or, "
      |"""                     # Or, """
    )
                      # Here to end, there is no provision for quotes (")
    (?:               # If there are no balanced quotes, this will fail !!
        [a-zA-Z]
        :
        [\\\/]
    )?
    [\\\/]{0,2}

    (?:
        (?:
             [\w\s.*-] 
          |  \{\$\w+\}
          |  %\w+%
        )
        [\\\/]?
    )+
    \1
 $
'
于 2012-05-10T17:08:42.357 回答
1

如果正则表达式引擎很幼稚，

('y') x 20 =~ /^.*.*.*.*.*x/

需要很长时间才能失败，因为它必须尝试

20 * 20 * 20 * 20 * 20 = 3,200,000 possible matches.

您的模式具有类似的结构，这意味着它有许多组件与您输入的各种子字符串匹配。

现在，Perl 的正则表达式引擎经过高度优化，远非天真。在上面的模式中，它会从寻找开始x，然后非常非常快地退出。不幸的是，它不会或不能同样优化您的模式。

你的模式是一团糟。我什至不会尝试猜测它应该匹配什么。您会发现，一旦切换到正确的模式，这个问题就会自行解决。

于 2012-05-10T18:34:48.243 回答
0

感谢 sln 这是我的固定正则表达式：

my $FILENAME_REGEXP = '^(|"|""")(?:[a-zA-Z]:[\\\/])?[\\\/]{0,2}(?:(?:[\w\s.-]++|\{\$\w+\}|%\w+%)[\\\/]{0,2})*\*?[\w.-]*\1$';

（我也不允许在目录中使用 * char，并且只允许在（最后一个）文件名中使用单个 *）

于 2012-05-11T00:21:10.327 回答