正则表达式Matcher.find报错 java.lang.StackOverflowError解决

Posted 2020-12-05

在最近一个java项目中使用了正则表达式，抓取网页中的内容，明明很正确的正则表达式,但在Matcher.find时报错了：

    

    public static List<String> findStrs(String regx,String sourceStr){
        Pattern pattern = Pattern.compile(regx);
        Matcher m = pattern.matcher(sourceStr);
        List<String> result=new ArrayList<>(); 
        while (m.find()) {
            result.add(m.group(1));
        }        return result.size()<=0?null:result;
    }

后来单步调试，发现在第一次find时正确获取到，第二次报错了，错误是：

java.lang.StackOverflowError
	at java.lang.String.charAt(String.java:657)
	at java.util.regex.Pattern$Slice.match(Pattern.java:3971)
	at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4845)
	at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
	at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
	at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
	at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
	at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
	at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
	at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
	at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
	at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
	at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
	at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
	at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
	at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
	at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
	at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
	at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
	at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
	at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
	at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
	at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
	at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
	at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
	at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
	at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
	at java.util.regex.Pattern$GroupTail.match(Pattern.java:4719)
	at java.util.regex.Pattern$BranchConn.match(Pattern.java:4570)
	at java.util.regex.Pattern$CharProperty.match(Pattern.java:3779)
	at java.util.regex.Pattern$Branch.match(Pattern.java:4606)
	at java.util.regex.Pattern$GroupHead.match(Pattern.java:4660)
	at java.util.regex.Pattern$LazyLoop.match(Pattern.java:4849)
... ...

在网上查了下，发现问题是栈溢出，有人给出了解决方法：

Pattern   pattern   =   Pattern.compile(re,Pattern.DOTALL   +   Pattern.MULTILINE);

其中Pattern.DOTALL   +   Pattern.MULTILINE指，在正则表达式中的：.可以代替所有字符，包括换行符 。原先的写法可能是：xxx(?: |.)*?xxx,现在可以写成xxx.*?xxx,。

使用这个方法，问题暂时解决。但问题原理 不明，可能是sdk的bug吧。

注：此方法可以避免此问题，但附带的，因为在使用.时，忽略了换行，可能使用正则表达式匹配到更大范围的内容，所以写正则时需要格外小心。另外，后来我试了一下，只要在匹配时少于二个换行的内容，不使用此方法，也可以正常运行，所以感觉在java中使用正则表达式时，尽量的匹配少量的内容，就不会出错了。