正则表达式一个问号引发的血案

起因

一个java进程，通过top命令查看到其CPU使用量400%多(八核CPU)，于是通过进程查线程，再通过线程查询调用堆栈发现是Java的replaceAll方法在消耗CPU，再具体一点就是Java的正则表达式处理在消耗大量CPU
进程查线程，查堆栈信息看这里 Linux中找出Java程序占用大量CPU的元凶

堆栈信息如下

java.lang.Thread.state: RUNABBLE
	at java.util.regex.Pattern$Curly.match1(Pattern.java:4300)
	at java.util.regex.Pattern$Curly.match(Pattern.java:4236)
	at java.util.regex.Pattern$start.match1(Pattern.java:3461)
	at java.util.regex.Matcher.search(Matcher.java:1248)
	at java.util.regex.Matcher.find(Matcher.java:637)
	at java.util.regex.Matcher.replaceAll(Matcher.java:951)
	at java.lang.String.replaceAll(String.java.2210)
	.......
	at java.lang.Thread.run(Thread.java:745)

再怎么也不可能怀疑Java本身出了问题，两个关键词，replaceAll和正则，一看就是正则表达式出的问题。

有问题的正则表达式

把目光聚集在有问题的正则表达式上，代码中有这么一句

xml = xml.replaceAll("(?is).*?<file>(.*?)</file>.*", "$1");

这段代码意思是将字符串掐头去尾，取""之间的文本，再细分一下
(?is).*?<file>(.*?)</file>.*

• (?is)不区分大小写并且多行匹配，是个flag，不用管
• .*?匹配任意字符，并且是非贪婪匹配