0

我在使用 RegEx 的 .NET 项目中遇到了一个奇怪的问题。请参阅下面的 C# 代码：

const string PATTERN = @"^[a-zA-Z]([-\s\.a-zA-Z]*('(?!'))?[-\s\.a-zA-Z]*)*$";
const string VALUE = "Ingebrigtsen Myre (Øvre)";
System.Text.RegularExpressions.Regex regex = new System.Text.RegularExpressions.Regex(PATTERN);
if (!regex.IsMatch(VALUE)) // <--- Infinite loop here
     return string.Empty;
// Some other code

我使用此模式来验证所有类型的名称（拳头名、姓氏、中间名等）。值是一个参数，但我在上面将其作为常量提供，因为问题不会经常重现 - 仅使用特殊符号：*、(、) 等（对不起，但我没有这些符号的完整列表） .

你能帮我解决这个无限循环吗？谢谢你的帮助。

补充：此代码位于项目的最基础级别，我不想在那里进行任何重构 - 我只想快速修复此问题。

补充 2：我知道它在技术上不是一个循环——我的意思是“regex.IsMatch(VALUE)”永远不会结束。我等了大约一个小时，它仍在执行。

4

3 回答 3

3

您的非平凡正则表达式：^[a-zA-Z]([-\s\.a-zA-Z]*('(?!'))?[-\s\.a-zA-Z]*)*$，最好用自由间距模式的注释编写，如下所示：

Regex re_orig = new Regex(@"
    ^                 # Anchor to start of string.
    [a-zA-Z]          # First char must be letter.
    (                 # $1: Zero or more additional parts.
      [-\s\.a-zA-Z]*  # Zero or more valid name chars.
      (               # $2: optional quote.
        '             # Allow quote but only
        (?!')         # if not followed by quote.
      )?              # End $2: optional quote.
      [-\s\.a-zA-Z]*  # Zero or more valid name chars.
    )*                # End $1: Zero or more additional parts.
    $                 # Anchor to end of string.
    ",RegexOptions.IgnorePatternWhitespace);

在英语中，这个正则表达式本质上是说：“匹配一个以字母开头的字符串，[a-zA-Z]后跟零个或多个字母、空格、句点、连字符或单引号，但每个单引号后面可能不会紧跟另一个单引号。”

请注意，您上面的正则表达式允许奇怪的名称，例如："ABC---...'... -.-.XYZ "这可能是您需要的，也可能不是。它还允许多行输入和以空格结尾的字符串。

上述正则表达式的“无限循环”问题是，当将此正则表达式应用于连续包含两个单引号的长无效输入时，会发生灾难性的回溯。这是一个等效的模式，它匹配（并且不匹配）完全相同的字符串，但不会经历灾难性的回溯：

Regex re_fixed = new Regex(@"
    ^                # Anchor to start of string.
    [a-zA-Z]         # First char must be letter.
    [-\s.a-zA-Z]*    # Zero or more valid name chars.
    (?:              # Zero or more isolated single quotes.
      '              # Allow single quote but only
      (?!')          # if not followed by single quote.
      [-\s.a-zA-Z]*  # Zero or more valid name chars.
    )*               # Zero or more isolated single quotes.
    $                # Anchor to end of string.
    ",RegexOptions.IgnorePatternWhitespace);

在您的代码上下文中，它是简短的形式：

const string PATTERN = @"^[a-zA-Z][-\s.a-zA-Z]*(?:'(?!')[-\s.a-zA-Z]*)*$";
于 2013-08-09T16:03:52.147 回答
1

看看你的正则表达式的这一部分：

( [-\s\.a-zA-Z]* ('(?!'))? [-\s\.a-zA-Z]* )*$
^              ^         ^              ^  ^ 
|              |         |              |  |
|              |         |              |  This group repeats any number of times
|              |         |              charclass repeats any number of times
|              |         This group is optional
|              This character class also repeats any number of times
Outer group (repeated, as seen above)

这意味着，只要您的输入字符串包含一个不在字符类中的字符（例如您的示例中的括号和非 ASCII 字母），前面的字符就会在很多排列中尝试，其数量随着长度呈指数增长的字符串。

为避免这种情况（并允许正则表达式更快地失败，请使用原子组：

const string PATTERN = @"^[a-zA-Z](?>(?>[-\s\.a-zA-Z]*)(?>'(?!'))?(?>[-\s\.a-zA-Z])*)*$";
于 2013-08-09T15:48:48.267 回答
0

你在这里有一个“任意数量的任意数量”：

 ...[-\s\.a-zA-Z]*)*

并且由于您的输入不匹配，引擎会回溯以尝试将输入划分的所有排列，并且尝试的次数随着输入的长度呈指数增长。

您可以简单地通过添加“+”来制作所有格量词来修复它，一旦使用它就不会回溯以找到其他组合：

const string PATTERN = @"^[a-zA-Z]([-\s\.a-zA-Z]*('(?!'))?[-\s\.a-zA-Z]*+)*$";
                                                                        ^-- added + here

您可以看到一个现场演示（在 rubular 上），演示添加加号修复了循环问题，并且仍然匹配没有奇数字符的输入。

于 2013-08-09T16:49:13.853 回答