c# - 谁能告诉我为什么这个 C# 电子邮件验证正则表达式 (regex) 挂起？

Question

我从以下位置获得了一个很好的电子邮件验证正则表达式: Email regular expression

    public static void Main(string[] args)
    {
        string value = @"cvcvcvcvvcvvcvcvcvcvcvvcvcvcvcvcvvccvcvcvc";
        var regex = new Regex(
            @"^([0-9a-zA-Z]([-.\w]*[0-9a-zA-Z])*@([0-9a-zA-Z][-\w]*[0-9a-zA-Z]\.)+[a-zA-Z]{2,9})$",
            RegexOptions.Compiled);
        var x = regex.Match(value); // Hangs here !?!
        return;
    }

它在大多数情况下都有效，但上面的代码挂起，消耗了 100% 的 CPU...我已经在 W8 地铁应用程序中测试过。在标准的 .Net 4.5 应用程序上。

谁能告诉我为什么会发生这种情况，是否有不会挂起的良好电子邮件验证 REGEX，或者是否有解决此问题的方法？

非常感谢，乔恩

Answer 1

挂起原因的解释:Catastrophic backtracking .

让我们简化正则表达式的关键部分:

(\w*[0-9a-zA-Z])*@

你有

• 一个可选部分\w*，可以匹配与后面部分[0-9a-zA-Z]相同的字符，所以两者结合翻译，在本质，到\w+
• 嵌套量词:(\w+)*

这意味着，给定 s = "cvcvcvcvvcvvcvcvcvcvcvvcvcvcvcvcvvccvcvcvc"，正则表达式的这一部分需要检查 s 的所有可能排列(2* *(len(s)-1)) 在未找到以下 @ 时决定不匹配之前。

由于您无法使用任何正则表达式验证电子邮件地址(规范中有太多极端情况)，通常最好

• 做一个最小的正则表达式检查(^.*@.*$)
• 使用解析器检查有效性(如@Fake.It.Til.U.Make.It 建议)
• 尝试向它发送电子邮件 - 即使看似有效的地址也可能是假的，因此无论如何您都必须这样做。

为了完整起见，您可以借助 atomic groups 避免回溯问题:

var regex = new Regex(
    @"^([0-9a-zA-Z](?>[-.\w]*[0-9a-zA-Z])*@(?>[0-9a-zA-Z][-\w]*[0-9a-zA-Z]\.)+[a-zA-Z]{2,9})$",
    RegexOptions.Compiled);