Java Pattern 导致堆栈溢出

Question

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 解析代码看起来像这样:

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)。但是，当尝试解析一个很长(超过 1,000 个字符)的类路径字符串时，会发生上述类溢出，并出现以下异常(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)
    ...

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的人只需将 :/opt/files/any 附加到上述字符串中几十次即可。在类路径字符串中创建包含大约 90 个 ":/opt/files/any"副本的字符串后，发生堆栈溢出。

是否有一种通用的方法可以修改上述 KV_REGEX 字符串，从而不会出现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 hack。

我能想出的最粗略的修复，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，它在我试过几次后运行良好，但它的品位还不够值得推荐。 :-)

Answer 1

您的正则表达式看起来过于复杂，例如我认为您还不太了解字符类的工作原理。这对我来说效果更好，我不能让它溢出了:

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，这将匹配:

(\"[^\"]*\"|[^{=, ]*):任何包含在 " 中的内容，或任意数量的非{=, 个字符

*= *:零到任意个空格，后面跟=，后面跟零到任意个空格

(\"[^\"]*\"|[^=,) }]*):任何包含在 " 中的内容，或任意数量的非-=,) } 个字符