在最近一个java项目中使用了正则表达式,抓取网页中的内容,明明很正确的正则表达式,但在Matcher.find时报错了:
public static List findStrs(String regx,String sourceStr){
Pattern pattern = Pattern.compile(regx);
Matcher m = pattern.matcher(sourceStr);
List result=new ArrayList<>();
while (m.find()) {
result.add(m.group(1));
} return result.size()<=0?null:result;
}
后来单步调试,发现在第一次find时正确获取到,第二次报错了,错误是:
java.lang.StackOverflowError
at java.lang.String.charAt(String.java:657)
at java.util.regex.Pattern$Slice.match(Pattern.java:3971)
at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4845)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
... ...
在网上查了下,发现问题是栈溢出,有人给出了解决方法:
Pattern pattern = Pattern.compile(re,Pattern.DOTALL + Pattern.MULTILINE);
其中Pattern.DOTALL + Pattern.MULTILINE指,在正则表达式中的:.可以代替所有字符,包括换行符
。原先的写法可能是:xxx(?:
|.)*?xxx,现在可以写成xxx.*?xxx,。
使用这个方法,问题暂时解决。但问题原理 不明,可能是sdk的bug吧。
注:此方法可以避免此问题,但附带的,因为在使用.时,忽略了换行,可能使用正则表达式匹配到更大范围的内容,所以写正则时需要格外小心。另外,后来我试了一下,只要在匹配时少于二个换行的内容,不使用此方法,也可以正常运行,所以感觉在java中使用正则表达式时,尽量的匹配少量的内容,就不会出错了。