正则表达式验证花费太长时间 c#

Posted 2023-04-13

【中文标题】正则表达式验证花费太长时间 c#

【英文标题】：Regex validation taking too long c#

【发布时间】：2019-10-27 00:03:47

【问题描述】：

我有一个使用正则表达式进行验证的场景。

这是我需要验证的文本格式，如下所示：

有效文本

name test +company abc def +phone 3434 +vehicle test +有兴趣的yyy +invited zzz

无效文本：

name te%st +company +phone 3434 +vehicle test +有兴趣 yyy +invited zzz

规则

文本中不应有任何其他字符，如上面的 %。 此外，第一个单词必须跟在空格后面，然后应该有一些文本，然后是 + 号。

这是我写的正则表达式：

^(([a-z]*[A-Z]*\s?)+(\w*\s*)*\+)*$

我面临的问题是当文本有效时Regex.Match(text) 立即返回true。但是当我在文本中添加一些其他无效的字符时，它需要很长时间并且调试器永远不会返回。

【问题讨论】：

对可选模式序列进行量化的嵌套量词总是会导致灾难性的回溯。

可能是回溯问题。

文本无效时是否会发生回溯？为什么文本有效时不会花费很长时间？

它正在尝试找到仍然有效的所有量词和可选部分的单个组合。

为什么不在“+”上分割，然后对每个元素进行修剪。

【参考方案1】：

无效，它需要很长时间并且调试器永远不会返回。

您要求解析器考虑太多场景，并且必须在返回之前消除所有场景；因此速度很慢。

---

建议

使用* 这意味着零次或多次出现 使得正则表达式解析器重新思考（回溯）关于其他 可能的匹配。

就象棋而言，实际上有数百万种可能的组合。使用* 就像说给我所有可能的动作。但是我们只想要相关的动作……正则表达式模式锻造也是如此；保持在最低限度。

使用*，如果您确实知道会有1 个或多个项目而不是0，则更喜欢使用+。它将回溯保持在最低限度，从而加快解析速度。

对于你的失败场景，与其尝试匹配世界，为什么不首先检查无效匹配失败？这可以通过^(?! ) 模式来完成。因此，您的规则提到了找不到非字符的失败，所以把它放在第一个 ^(?!.+%) 中。也就是说，如果文本中有 % somewhere，则匹配失败。

一旦 #2 完成，然后只关注提供最佳情况的有效模式。

---

您的示例数据是有问题的，但是在您想要作为起点的精神中，我将从以下模式开始：

^(?!.+%)(\w+\s\w+\s\+\w+\s?)+

如果% 表示失败，那么应该有一个或多个模式（字空间字空间+word 和可能的空间）

【参考方案2】：

与其尝试提​​出“始终有效的正则表达式”，不如改写完全不使用正则表达式的解决方案。

var text = "name test +company abc def +phone 3434 +vehicle test + interested yyy +invited zzz";
var parts = text.Split('+');
var matches = parts.All(p => 

   var kvp = p.Trim().Split(' ');
   if( kvp.Length != 2 )
       return false;
   return kvp[0].All(char.IsLetter) && kvp[1].All(char.IsLetterOrDigit);
);

虽然如果您想处理大量文本，这会导致分配过多，但否则应该很好。

【讨论】：

你的正则表达式仍然充满了灾难性的回溯。

毫无疑问，但如果不查看更多示例数据，我无法找到更好看的东西。

@TanveerBadar 我已经更新了这个问题。请看

我已根据新信息更新了答案。这应该根据您指定的规则验证文本。一旦验证通过，应该很容易将其推进以实际访问 kvp。

【参考方案3】：

为什么不是一个简单的解析器？拆分'+' 字符，然后评估每个短语。我假设空格之前的第一个单词是键，其余的是值。还有一个检查有效字符的正则表达式；非字母数字将引发异常。

var working = "name test +company abc def +phone 3434 +vehicle test + interested yyy +invited zzz";

if (System.Text.RegularExpressions.Regex.IsMatch(working, "[^a-zA-Z0-9 +]"))

    throw new InvalidOperationException();


var values = working.Split('+').Select(x => x?.Trim() ?? string.Empty);

foreach (var phrase in values)

    string left, right;

    var space = phrase.IndexOf(' ');
    if (space > 0)
    
        left = phrase.Substring(0, space)?.Trim() ?? string.Empty;
        right = phrase.Substring(space + 1, phrase.Length - space - 1)?.Trim() ?? string.Empty;

        Console.WriteLine("left: [" + left + "], right: [" + right + "]");
    

控制台输出：

left: [name], right: [test]
left: [company], right: [abc def]
left: [phone], right: [3434]
left: [vehicle], right: [test]
left: [interested], right: [yyy]
left: [invited], right: [zzz]

使用无效字符运行上述代码会引发异常：

var working = "na%me test +company abc def +phone 3434 +vehicle test + interested yyy +invited zzz";  

...

Operation is not valid due to the current state of the object.