我正在使用正则表达式从任意长的输入字符串中提取键值对,并且遇到了这样一种情况: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";
调用parse(input1)
产生:
{name, CentOS
family, Linux
category, OS
version, 2.6.x}
调用parse(input2)
产生:
PID, 5872
version, "7.1.8.x"
build, 1234567
other, done
这很好(即使第一种情况需要一些字符串处理)。然而,当试图解析一个很长(超过 1,000 个字符长)的类路径字符串时,会发生上述类溢出,但有以下异常(开始):
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)
...
该字符串太长,无法放在这里,但它具有以下易于重现和重复的结构:
java.class.path=/opt/files/any:/opt/files/any:/opt/files/any:/opt/files/any
任何想要重现该问题:/opt/files/any
的人只需在上述字符串中附加几十次即可。在类路径字符串中创建一个包含大约 90 个“:/opt/files/any”副本的字符串后,会发生堆栈溢出。
是否有KV_REGEX
可以修改上述字符串的通用方法,以便不会发生问题并产生相同的结果?
我明确地将泛型放在上面,而不是(例如)在解析之前检查最大字符串长度的黑客。
我能想出的最严重的解决方法,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,它在我尝试过的几次运行中都有效,但它的品味不足以推荐。:-)