我的正則表達式導致Java中的堆棧溢出; 我錯過了什么？

Question

我試圖使用Scanner的正則表達式來匹配文件中的字符串。 正則表達式適用於該行以外的所有內容：

DNA="ITTTAITATIATYAAAYIYI[....]ITYTYITTIYAIAIYIT"

在實際文件中，省略號代表數千個字符。

當讀取文件的循環到達包含基數的行時，會發生堆棧溢出錯誤。

這是循環：

while (scanFile.hasNextLine()) {
   final String currentLine = scanFile.findInLine(".*");
   System.out.println("trying to match '" + currentLine + "'");
   Scanner internalScanner = new Scanner(currentLine);
   String matchResult = internalScanner.findInLine(Constants.ANIMAL_INFO_REGEX);
   assert matchResult != null : "there's no reason not to find a match"; 
   matches.put(internalScanner.match().group(1), internalScanner.match().group(2));
   scanFile.nextLine();
  }

和正則表達式：

static final String ANIMAL_INFO_REGEX = "([a-zA-Z]+) *= *\"(([a-zA-Z_.]| |\\.)+)";

這是失敗追蹤：

java.lang.StackOverflowError
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3360)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4131)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4185)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4312)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4244)
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4095)
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3362)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4131)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4185)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4312)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4244)
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4095)
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3362)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4131)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4185)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4312)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4244)
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4095)
    ...etc (it's all regex).

非常感謝！

Answer 1

這看起來像bug 5050507 。 我同意Asaph的說法，取消交替應該有所幫助; 該bug專門說“盡可能避免交替”。 我想你可能會更簡單：

"^([a-zA-Z]+) *= *\"([^\"]+)"

Answer 2

試試這個正則表達式的簡化版本，刪除一些不必要的| 運算符（可能導致正則表達式引擎執行大量分支）並包括行錨的開始和結束。

static final String ANIMAL_INFO_REGEX = "^([a-zA-Z]+) *= *\"([a-zA-Z_. ]+)\"$";

Answer 3

閱讀本文以了解問題： http ： //www.regular-expressions.info/catastrophic.html ...然后使用其他建議之一

Answer 4

正如其他人所說的那樣，你的正則表達式效率遠低於應有的效率。 我會更進一步，使用占有量詞：

"^([a-zA-Z]++) *+= *+\"([^\"]++)\"$"

但是你使用掃描儀的方式也沒有多大意義。 沒有必要使用findInLine(".*")來讀取該行; 這就是nextLine()作用。 而且您不需要創建另一個掃描程序來應用您的正則表達式; 只需使用匹配器。

static final Pattern ANIMAL_INFO_PATTERN = 
    Pattern.compile("^([a-zA-Z]++) *+= *+\"([^\"]++)\"$");

...

  Matcher lineMatcher = ANIMAL_INFO_PATTERN.matcher("");
  while (scanFile.hasNextLine()) {
    String currentLine = scanFile.nextLine();
    if (lineMatcher.reset(currentLine).matches()) {
      matches.put(lineMatcher.group(1), lineMatcher.group(2));
    }
  }