有一个简单的任务来获取 XPath 表达式并返回与(可能)选择的节点的父节点相匹配的前缀。
例子:
/aaa/bbb => /aaa
/aaa/bbb/ccc => /aaa/bbb
/aaa/bbb/ccc[@x='1' and @y="/aaa[name='z']"] => /aaa/bbb
因为方括号内的模式可能包含引号内的括号,我决定尝试使用正则表达式来实现这一点。这是一个代码片段:
string input =
"/aaa/bbb/ccc[@x='1' and @y=\"/aaa[name='z'] \"]";
// ^-- remove space for no loop
string pattern = @"/[a-zA-Z0-9]+(\[([^]]*(]"")?)+])?$";
System.Text.RegularExpressions.Regex re =
new System.Text.RegularExpressions.Regex(pattern);
bool ismatch = re.IsMatch(input); // <== Infinite loop in here
// some code based on the match
因为模式非常规则,所以我寻找“/”后跟标识符,后跟匹配字符串末尾的可选组 (....)?$
该代码似乎可以工作,但对输入字符串使用不同的值,我发现通过简单地插入一个空格(在注释中显示的位置),.NET IsMatch 函数进入无限循环,获取所有它获得的 CPU。
现在不管这个正则表达式模式是否是最好的模式(我有更复杂但简化它来显示问题),这似乎表明将 RegEx 用于任何不重要的东西可能非常危险。
我错过了什么吗?有没有办法防止正则表达式匹配中的无限循环?
最佳答案
好吧,让我们分解一下:
Input: /aaa/bbb/ccc[@x='1' and @y="/aaa[name='z'] "]
Pattern: /[a-zA-Z0-9]+(\[([^]]*(]")?)+])?$
(我假设你的意思是你的 C# 转义字符串中的\",而不是 ""...从 VB.NET 翻译?)
首先,/[a-zA-Z0-9]+ 将吞噬第一个方括号,留下:
Input: [@x='1' and @y="/aaa[name='z'] "]
(\[([^]]*(]"")?)+])?$"的外组如果在 EOL 之前有 0 或 1 个实例,则应该匹配。所以让我们打破内部,看看它是否匹配任何内容。
“[”立即被吞噬,留给我们:
Input: @x='1' and @y="/aaa[name='z'] "]
Pattern: ([^]]*(]")?)+]
分解模式:匹配 0 个或多个非 ] 字符,然后匹配 "] 0 或 1 次,如此重复直到不能。然后尝试找到并吞下一个]。
模式匹配基于[^]]*,直到到达]。
由于 ] 和 " 之间有一个空格,它不能吞噬这两个字符中的任何一个,但是 之后的 ? (]") 允许它无论如何返回 true。
现在我们已经成功匹配了 ([^]]*(]")?) 一次,但是 + 说我们应该尝试继续匹配任何数字很多时候我们可以。
这给我们留下了:
Input: ] "]
这里的问题是这个输入可以匹配 ([^]]*(]")?) 无限 次而不会被吞噬,并且“+”将迫使它继续尝试。
您实际上是在匹配“1 或多个”情况,您可以匹配“0 或 1”后跟“0 或 1”的其他内容。由于剩余输入中不存在这两个子模式,它一直匹配 [^]]\* 的 0 和 (]")? 的 0,无限循环。
输入永远不会被吞噬,“+”之后的其余模式永远不会被评估。
(希望我在上面得到了 SO-escape-of-regex-escape。)
https://stackoverflow.com/questions/1200655/