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/