个人中心
gpt4 book ai didi

java - 正则表达式高 CPU

转载 作者：塔克拉玛干 更新时间：2023-11-02 20:06:59 24 4
gpt4 key购买 nike

我们在生产环境中遇到了 CPU 利用率为 100% 的问题，线程转储显示我们的“黑名单”实现卡在了后面。

[11/14/13 10:12:42:745 CST] 0000000d ThreadMonitor W   WSVR0605W: Thread "Thread-002" (0000003b) has been active for 604063 milliseconds and may be hung.  There is/are 1 thread(s) in total in the server that may be hung.
    at java.lang.Character.isLetterOrDigit(Character.java:3516)
    at java.util.regex.Pattern$Bound.check(Pattern.java:4820)
    at java.util.regex.Pattern$Bound.match(Pattern.java:4832)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:3782)
    at java.util.regex.Pattern$Curly.match(Pattern.java:3744)
    at java.util.regex.Pattern$BmpCharProperty.match(Pattern.java:3366)
    at java.util.regex.Pattern$Curly.match0(Pattern.java:3782)
    at java.util.regex.Pattern$Curly.match(Pattern.java:3744)
    at java.util.regex.Matcher.match(Matcher.java:1127)
    at java.util.regex.Matcher.matches(Matcher.java:502)

问题是这并不总是发生，这意味着它依赖于数据，我们在黑名单实现中有以下正则表达式列表。

如果有人能说出以下哪个正则表达式可能导致 100% CPU(我猜是由于回溯)，我将不胜感激。

# zero/null bytes 
.*\x00.*

# javascript
.*\bjavascript\b.* &&! ^[\w.,;/*+= -]*\b(:?application/x-javascript|text/javascript)\b[\w.,;/*+= -]*$
# vbscript
.*\bvbscript\b.*

# <script or </script>
.*<\s*/?\s*script\b.*|.*\bscript\s*>.*
# <img or </img>
.*<\s*/?\s*img\b.*|.*\bimg\s*>.*
# <div or </div>
.*<\s*/?\s*div\b.*|.*\bdiv\s*>.*
# <html or </html>
.*<\s*/?\s*html\b.*|.*\bhtml\s*>.*
# <body or </body>
.*<\s*/?\s*body\b.*|.*\bbody\s*>.*
# <link or </link>
.*<\s*/?\s*link\b.*|.*\blink\s*>.* &&! ^<\?xml .*$
# <meta or </meta>
.*<\s*/?\s*meta\b.*|.*\bmeta\s*>.*
# <base or </base>
.*<\s*/?\s*base\b.*|.*\bbase\s*>.*
# <span or </span>
.*<\s*/?\s*span\b.*|.*\bspan\s*>.*
# <input or </input>
.*<\s*/?\s*input\b.*|.*\binput\s*>.*
# <style or </style>
.*<\s*/?\s*style\b.*|.*\bstyle\s*>.*
# <table or </table>
.*<\s*/?\s*table\b.*|.*\btable\s*>.*
# <embed or </embed>
.*<\s*/?\s*embed\b.*|.*\bembed\s*>.*
# <frame or </frame>
.*<\s*/?\s*frame\b.*|.*\bframe\s*>.*
# <iframe or </iframe>
.*<\s*/?\s*iframe\b.*|.*\biframe\s*>.*
# <object or </object>
.*<\s*/?\s*object\b.*|.*\bobject\s*>.*

# < onload= >
.*<.+\bonload\s*=.+>.*
# < onerror= >
.*<.+\bonerror\s*=.+>.*
# < onmouseover= >
.*<.+\bonmouseover\s*=.+>.*
# < src= >
.*<.+\bsrc\s*=.+>.*
# < href= >
.*<.+\bhref\s*=.+>.*
# < style= >
.*<.+\bstyle\s*=.+>.*
# < content= >
.*<.+\bcontent\s*=.+>.*

# document.
.*\bdocument\s*\..+
# element.
.*\belement\s*\..+

# url(
.*\burl\s*\(.+
# eval(
.*\beval\s*\(.+
# alert(
.*\balert\s*\(.+

# /* */
.*/\*.*\*/.*


# HTTP response splitting
.*\bHTTP/\d+\.\d+.+


# Path traversal
#.*\.\.[/\\].*
.*\.\.[/\\]\.\.[/\\].*


# SQL injection (probably not very useful)

# from HttpServletBase.java
.*select\s+\S*\s*from\s+\S+(?:\s+where\s+.+)?.*
.*insert\s+\S*\s*into\s+\S+(?:\s+values\s+.+)?.*
.*update\s+\S*\s*set\s+\S+(?:\s+where\s+.+)?.*
.*delete\s+\S*\s*from\s+\S+(?:\s+where\s+.+)?.*

最佳答案

正如我在评论中所说，正确测试数据是真正了解哪个正则表达式有问题的唯一方法。但我认为有些事情我可以查明，你可以研究一下。基本上，请注意点运算符。

看:

.*<.+\bonload\s*=.+>.*

我猜您想查找任何包含“onload”的 HTML 标记。问题是，如果你有很多标签的数据，但没有一个包含“onload”，它会像这样:

  1. 找到第一个<
  2. 遍历字符串的其余部分以找到“\bonload”
  3. 因为找不到，回溯并尝试以下 <在字符串中。

因此，将对字符串中的每个标记重复此操作，因此如果您的字符串很长，则第 2 步的开销可能很大。您可以通过替换 .+ 来防止它越过标签的末尾来进行优化。与 [^>]+ (也就是说，不是 > )。

所以下面的正则表达式应该表现得更好:

.*<[^>]+\bonload\s*=.+>.*

此外，遵循“最快的代码是未运行的代码”的一般原则，您可以在使用正则表达式之前通过简单的字符串搜索来查看字符串是否包含字符串“onload”。

关于java - 正则表达式高 CPU，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/20123412/

24 4 0
文章推荐： ios - 始终以横向录制视频甚至设备旋转(横向->纵向->横向)
文章推荐： android - 为什么我在 android 7 上收到多个 FCM 通知
文章推荐： iOS EventKit - 从日历访问我的应用程序
文章推荐： java - 应该在哪里进行加密——在应用程序或数据库级别？
塔克拉玛干
个人简介

我是一名优秀的程序员,十分优秀！

滴滴打车优惠券免费领取
滴滴打车优惠券
全站热门文章
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com