C ++正则表达式对长序列的段错误

Question

我正在解析stackoverflow转储，并在这个看似无辜的问题上提出了一个小的，几乎看不见的细节，它在文本的末尾有22311个空格。

我正在使用std :: regex（不知何故，它们对我来说比boost :: regex更好）用单个空格替换所有连续的空格，如下所示：

std::regex space_regex("\\s+", std::regex::optimize);
...
std::regex_replace(out, in, in + strlen(in), space_regex, " ");

SIGSEGV出现了，我已经开始调查了。

测试代码：

#include <regex>
...
std::regex r("\\s+",  std::regex::optimize);
const char* bomb2 = "Small text\n\nwith several\n\nlines.";
std::string test(bomb2);
for (auto i = 0; i < N; ++i) test += " ";

std::string out = std::regex_replace(test.c_str(), r, " ");
std::cout << out << std::endl;

for（gcc 5.3.0）

$ g++ -O3 -std=c++14 regex-test.cpp -o regex-test.out

SIGSEGV出现之前的最大N是21818（对于这个特定的字符串），对于

$ g++ -O0 -std=c++14 regex-test.cpp -o regex-test.out

这是12180。

“好吧，让我们尝试铿锵，这是趋势，旨在取代gcc” - 从来没有我错了。 随着-O0 clang（v.3.7.1）在9696个空格上崩溃 - 少于gcc，但不多，但是-O3甚至是-O2它在ZERO空间崩溃。

崩溃转储呈现巨大的堆栈跟踪（35k帧）的递归调用

std::__detail::_Executor<char*, std::allocator<std::__cxx11::sub_match<char*> >, std::__cxx11::regex_traits<char>, true>::_M_dfs

问题1 ：这是一个错误吗？ 如果是的话，我应该报告吗？

问题2 ：是否有智能方法来克服这个问题（除了增加系统堆栈大小，尝试其他正则表达式库和编写自己的函数来替换空格）？

---

修订：为libstdc ++创建的错误报告

Answer 1

这是一个错误吗？ 如果是的话，我应该报告吗？

是的，这是一个错误。

cout << '"' << regex_replace("Small text\n\nwith several\n\nlines." + string(22311, ' '), regex("\\s+", regex::optimize), " ") << '"' << endl;

• 使用libc ++运行良好： http ： //coliru.stacked-crooked.com/a/f9ee5438745a5b22
• 使用Visual Studio 2015运行良好，您可以通过复制和运行代码进行测试： http ： //webcompiler.cloudapp.net/
• 使用libstdc ++失败： http ： //coliru.stacked-crooked.com/a/3f4bbe5c46b6b627

这已被窃听中的libstdc ++ 这里 。

有没有聪明的方法来克服这个问题？

如果你要求一个有效的新regex ，我已经尝试了一些不同的版本，并且所有这些版本都在libstdc ++上失败，所以我想说，如果你想使用regex解决这个问题，你会需要针对libc ++进行编译。

但老实说，如果你使用regex去除重复的空格， “现在你有两个问题”

一个更好的解决方案可以使用与libstdc ++一起运行良好的 adjacent_find ：

const auto func = [](const char a, const char b){ return isspace(a) && isspace(b); };

for(auto it = adjacent_find(begin(test), end(test), func); it != end(test); it = adjacent_find(it, end(test), func)) {
    *it = ' ';
    it = test.erase(next(it), find_if_not(next(it), end(test), [](const auto& i) { return isspace(i); }));
}

这将返回你的regex相同的东西：

“有几行的小文字。”

但如果你想要简单，你也可以使用unique ：

test.resize(distance(test.begin(), unique(test.begin(), test.end(), [](const auto& a, const auto& b) { return isspace(a) && isspace(b); })));

哪个将返回：

“小文
有几个
线。 “

Answer 2

问题2（克服问题的聪明方法）

不是很聪明但是...你可以迭代有限的替换。

一个例子

#include <regex>
#include <iostream>

int main()
 {
   constexpr int N = 22311;

   //std::regex r("\\s+");
   std::regex r("\\s{2,100}");

   const char* bomb2 = "Small text\n\nwith several\n\nlines.";

   std::string test(bomb2);

   for (auto i = 0; i < N; ++i)
      test += " ";

   std::string out = test;

   std::size_t  preSize;

   do
    {
      preSize = out.size();

      out = std::regex_replace(out, r, " ");
    }
   while ( out.size() < preSize );

   std::cout << '\"' << out << '\"' << std::endl;

   return 0;
 }