为啥用 Regex.IsMatch 检查这个字符串会导致 CPU 达到 100%？

Posted 2023-02-22

【中文标题】为啥用 Regex.IsMatch 检查这个字符串会导致 CPU 达到 100%？

【英文标题】：Why does checking this string with Regex.IsMatch cause CPU to reach 100%?为什么用 Regex.IsMatch 检查这个字符串会导致 CPU 达到 100%？

【发布时间】：2015-09-22 12:48:31

【问题描述】：

在特定字符串上使用Regex.IsMatch (C#, .Net 4.5) 时，CPU 达到 100%。

字符串：

https://www.facebook.com/CashKingPirates/photos/a.197028616990372.62904.196982426994991/1186500984709792/?type=1&permPage=1

图案：

^http(s)?://([\w-]+.)+[\w-]+(/[\w- ./?%&=])?$

完整代码：

Regex.IsMatch("https://www.facebook.com/CashKingPirates/photos/a.197028616990372.62904.196982426994991/1186500984709792/?type=1&permPage=1",
                @"^http(s)?://([\w-]+.)+[\w-]+(/[\w- ./?%&=])?$");

我发现编辑 URL 可以防止这个问题。编辑网址：

https://www.facebook.com/CashKingPirates/photos/a.197028616990372.62904.196982426994991/1186500984709792

但仍然非常有兴趣了解造成这种情况的原因。

【问题讨论】：

正则匹配涉及大量回溯。更多信息请阅读runaway regular expressions

由于您没有在点前加反斜杠，因此您的正则表达式可能是 ^http(s)?://.+$ 的一个非常复杂的版本（即匹配 http:// 或 https:// 后跟任何内容）。

为什么不用URI类？

@SalmanA 在看到潜在危害后，我实际上从正则表达式更改为 URI.TryCreate。

【参考方案1】：

正如 nu11p01n73R 指出的那样，您的正则表达式有很多回溯。那是因为你的表达式的某些部分都可以匹配同一个东西，这给引擎提供了很多选择，它必须在找到结果之前尝试。

您可以通过更改正则表达式以使各个部分更加具体来避免这种情况。在您的情况下，原因是您想匹配一个真实的点，但使用了匹配所有字符 . 。你应该把它转义到\.。

这应该已经大大减少了回溯需求并使其快速：

^http(s)?://([\w-]+\.)+[\w-]+(/[\w- ./?%&=])?$

而如果要实际匹配原始字符串，则需要在字符类末尾添加一个量词：

^http(s)?://([\w-]+\.)+[\w-]+(/[\w- ./?%&=]+)?$
                                           ↑

【讨论】：

谢谢，但您建议的正则表达式与原始字符串不匹配。不过速度很快。

确实，这是导致灾难性回溯的唯一且确切的原因：点未转义，不被视为文字字符并且可以匹配任何内容。 @Nir：请注意，这完全回答了您的问题。您现在可以轻松地纠正您的模式。

【参考方案2】：

我建议你检查http://regexr.com/网站，测试你的正则表达式。

正则表达式的更正版本如下：

^(https?://(?:[\w]+\.?[\w]+)+[\w]/?)([\w\./]+)(\?[\w-=&%]+)?$

它也有3组：

group1=主要网址（例如：facebook.com） group2=子网址（例如：/CashKingPirates/photos/a.197028616990372.62904.196982426994991/1186500984709792/ group3=变量（例如：?type=1&permPage=1）

还要记住，要检查正则表达式中点 (.) 的实际字符，您必须使用 \。不是。

【讨论】：

我不能告诉你他问题的确切原因，但据我所知 [\w-]+ 在他的正则表达式中是完全没有必要的。

regxer 专为不支持lookbehinds的js设计。

【参考方案3】：

您的正则表达式因catastrophic backtracking 而受到影响。您可以简单地使用

^http(s)?://([\w.-])+(/[\w ./?%&=-]+)*$

查看演示。

https://regex101.com/r/cK4iV0/15

【讨论】：

这是一个糟糕的解决方案，会降低原始正则表达式的意图。