随机 RegexMatchTimeoutException 异常

Question

在解析短（少于 100 个字符）字符串时，我有时会遇到RegexMatchTimeoutException 。 解析本身位于 function 中的list.Select(..)中，该集合包含大约 30 个元素。

我怀疑这可能是由于次优正则表达式 - 这是 C# 中的定义：

internal override Regex Regex => new(
    @$"((.|\s)*\S(.|\s)*)(\[{this.Type}\])",             // Type = "input"
    RegexOptions.Multiline | RegexOptions.Compiled, 
    TimeSpan.FromMilliseconds(Constants.RegexTimeout));  // RegexTimeout = 100

它应该捕获以下字符串中的Sample text ：

Sample text
[input]

完整异常消息：

System.Text.RegularExpressions.RegexMatchTimeoutException: 'The Regex engine has timed out while trying to match a pattern to an input string. This can occur for many reasons, including very large inputs or excessive backtracking caused by nested quantifiers, back-references and other factors.'

发生异常的行：

var label = this.Regex.Match(sectionContent).Groups[1].Value.Trim();

异常很难重现——使用相同的输入，它可能在第一次运行或第 100 次运行时发生。 但是运行正则表达式的行集合越大，它发生的可能性就越大。

Answer 1

您的((.|\s)*\S(.|\s)*)(\[input\])正则表达式匹配

• ((.|\s)*\S(.|\s)*) - 第 1 组：
  • (.|\s)* - 除换行符 ( . ) 或 ( | ) 以外的任何字符出现零次或多次，任何空白字符 ( \s )
  • \S - 非空白字符
  • (.|\s)* - 除换行符 ( . ) 或 ( | ) 以外的任何字符出现零次或多次，任何空白字符 ( \s )
• (\[input\]) - 第 2 组： [input] 。

您不得不注意到第 1 组模式中的每一个都可以匹配相同的字符。 \S是这里唯一的“锚定”模式，它需要一个非空白字符，并且由于\S之前和之后的模式都用于匹配任何文本，因此最有效的逻辑是：匹配任意数量的空白，然后非空白字符，然后是任意数量的字符（尽可能少但尽可能多）直到[input] 。

这是修复：

internal override Regex Regex => new(
    @$"(?s)(\s*\S.*?)(\[{Regex.Escape(this.Type)}])",             // Type = "input"
    RegexOptions.Compiled, 
    TimeSpan.FromMilliseconds(Constants.RegexTimeout));  // RegexTimeout = 100`

请注意，可以转义this.Type以防万一其中有任何特殊字符。 (?s)是RegexOptions.Singleline选项的内联修饰符版本（可互换使用）。