破坏服务器的正则表达式

我从没想过我会因为正则表达式匹配器不正确而导致服务器无响应，但这只是发生在我们的一项服务中，导致服务器无响应。

假设我们解析了一些外部经销商的汽车信息。 我们正在尝试在所有可用的输入模式中找到所有那些“无空调”的汽车（但没有诸如“单空调”之类的匹配模式）。

破坏我们服务的正则表达式如下：

String TEST_VALUE = "ABS, traction control, front and side airbags, Isofix child seat anchor points, no air conditioning, electric windows, \r\nelectrically operated door mirrors";
double start = System.nanoTime();
Pattern pattern = Pattern.compile("^(?:.*?(?:\\s|,)+)*no\\s+air\\s+conditioning.*$");
assertTrue(pattern.matcher(TEST_VALUE).matches());
double end = System.nanoTime();
LOGGER.info("Took {} micros", (end - start) / (1000 ));

2分钟后，该测试仍在运行，并且一个CPU内核完全过载。

首先， matchs方法使用整个输入数据，因此我们不需要start（^）或end（$）分隔符，并且由于输入字符串中的换行符，我们必须指示Regex Pattern在其中进行操作MULTILINE模式：

Pattern pattern = Pattern.compile("(?:.*?(?:\\s|,)+)*no\\s+air\\s+conditioning.*?", Pattern.MULTILINE);

让我们看看此正则表达式的多个版本的行为：

正则表达式	持续时间[微秒]	观察
“（（？：。*？（？：\\ s |，）+）*否\\ s + air \\ s +调节。*？”	35699.334	这太慢了
“（（？：。*？（？：\\ s |，）+）？no \\ s + air \\ s + condition。*？”	108.686	非捕获组不需要一个或多个（+）乘数，因此我们可以将其替换为零或一个（？）
“（？：。*？\\ b）？no \\ s + air \\ s + condition。*？”	153.636	它比前一个输入更多的输入数据，后者仅使用空格（\ s）和逗号（，）分隔匹配的模式
“ \\ bno \\ s + air \\ s + condition”	78.831	查找比匹配快得多，我们只对这种模式的首次出现感兴趣。

为什么不使用

尽管这比使用正则表达式要快得多，但我们仍然必须考虑字符串的开头，模式标记之间的模式，例如“单空调”，制表符或多个空格字符。 这样的自定义实现可能更快，但灵活性较差，需要更多时间来实现。

结论

正则表达式是用于模式匹配的很好的工具，但是您千万不要认为它是理所当然的，因为小的更改可能会产生很大的差异。 第一个正则表达式起反作用的原因是灾难性的回溯 ，这是每个开发人员在开始编写正则表达式之前都应意识到的现象。

参考： Vlad Mihalcea博客博客上的正则表达式破坏了我们的JCG合作伙伴 Vlad Mihalcea 的服务器 。

翻译自: https://www.javacodegeeks.com/2014/02/the-regex-that-broke-a-server.html