当 Matcher.find() 运行时间过长时，如何终止它？

Posted 2023-02-26

【中文标题】当 Matcher.find() 运行时间过长时，如何终止它？

【英文标题】：How to terminate Matcher.find(), when its running too long?

【发布时间】：2011-10-30 20:14:01

【问题描述】：

想知道终止长时间运行的正则表达式匹配的技术（java matcher.find() 方法）。也许继承 Matcher 并添加一些逻辑以在 x 次迭代后终止？

基本上我是使用遗传算法生成正则表达式，所以我对它们没有太多控制权。然后我根据一些文本对每个文本进行测试，看看它们是否与文本的某个目标区域匹配。

因此，由于我是在随机生成这些正则表达式，因此会发生一些疯狂的事情，它会占用大量的 cpu，并且一些 find() 调用需要一段时间才能终止。我宁愿在一段时间后杀死他们，但不确定最好的方法。

所以如果有人有想法，请告诉我。

【参考方案1】：

有一个解决方案here 可以解决您的问题。 （这个问题和你的问题一样。）

本质上，它是一个可以注意到线程中断的 CharSequence。

该答案的代码：

/**
 * CharSequence that noticed thread interrupts -- as might be necessary 
 * to recover from a loose regex on unexpected challenging input. 
 * 
 * @author gojomo
 */
public class InterruptibleCharSequence implements CharSequence 
    CharSequence inner;
    // public long counter = 0; 

    public InterruptibleCharSequence(CharSequence inner) 
        super();
        this.inner = inner;
    

    public char charAt(int index) 
        if (Thread.interrupted())  // clears flag if set
            throw new RuntimeException(new InterruptedException());
        
        // counter++;
        return inner.charAt(index);
    

    public int length() 
        return inner.length();
    

    public CharSequence subSequence(int start, int end) 
        return new InterruptibleCharSequence(inner.subSequence(start, end));
    

    @Override
    public String toString() 
        return inner.toString();
    

用这个包裹你的字符串，你可以中断线程。

【讨论】：

看起来很有希望。比我将要尝试的更容易（用我自己的版本替换 jdk Pattern 类，并使用 Xbootclasspath 来加载它而不是默认值）。

但是，其他答案中留下的一些 cmets 让我认为它可能并不总是有效。不过值得一试。它假设当我们陷入这类循环时会调用 charAt，但情况并非总是如此。

【参考方案2】：

最坏的情况是：

您可以在另一个线程中运行正则表达式匹配，如果运行时间过长，您可以thread.stop() 它。

【讨论】：

对，我在一个单独的线程中运行。我很确定我之前尝试过 thread.stop() 并且它引起了一些奇怪的问题。当然，它已被弃用，我们被告知不要使用它等等。你有没有在最近的 jvm 上成功使用过 thread.stop()？

好吧，我已经尝试过了一段时间。我认为 JVM 刚刚死了，或者没有堆栈跟踪或任何东西。可能是由于其他原因，因为几乎没有留下任何证据。我总是可以再试一次。

【参考方案3】：

只显示另一个解决方案。

您可以使用对输入不敏感且比Java标准库快数百倍的NFA算法。

我认为对输入的敏感性是导致您问题的最初原因。

你可以在这里查看介绍：Regular Expression Matching Can Be Simple And Fast (but is slow in Java, Perl, php, Python, Ruby, ...)

我在这里也回答了一个类似的问题，更详细：Cancelling a long running regex match?

【参考方案4】：

一个可能的解决方案是在一个单独的线程中产生“匹配”，它有一个好处是它不会阻塞主线程。您可以创建一个自定义的Callable，它在持续时间/阈值到期后返回null，如果成功则返回“匹配”结果。

【讨论】：

这仅在匹配器响应Thread.intterupt() 时有效。

我已经在单独的线程中运行这些，但不确定这有什么帮助，因为除非我可以停止线程，否则它们会继续在后台运行。 @Sanjay，我不认为 interrupt() 会神奇地停止这些失控的线程，但也许我错了。

你没有错。 Thread.interrupt 仅与应用程序对中断的响应一样有用

你们当然是对的。我完全忘记了 Matcher 方法不响应 Thread.interrupt。作为最后的手段，您可以通过在每个循环中检查 Thread.interrupt 来尝试猴子修补“Matcher”类方法。

是的，我现在正在查看线程转储，它基本上是对 Pattern 类中所有这些匹配方法的调用堆栈。所以我看到的是 Pattern$GroupHead.match，然后是 Pattern$Ques.match，然后是 Pattern$Curly.match(。所以我可能需要做的是子类 Pattern，并且在每个匹配方法的开头，插入一些代码如果某个时间已过或可能调用 thread.wait()，让它们全部返回 false？

【参考方案5】：

您需要使用另一个线程并在超时时停止它。

有两种停止方式：Thread#stop() 和 Thread#interrupt()。

使用 Thread.stop() 相当危险，而且 Matcher 不会响应 Thread.interrupt（响应中断是一种选择加入的行为）。

但是有一个非常聪明的解决方案，一些细节是here。使用提供的 InterruptibleCharSequence （它包装你的字符串并且几乎像一个一样工作，但它增加了对 Thread#interrupt() 的支持），然后构建你自己的 Callable 返回任何匹配器返回。现在可以使用 FutureTask / ThreadPool 组合来执行每个可运行对象，并且您可以使用任何所需的超时来获得结果：

Boolean result = myMatchingTask().get(2, TimeUnit.SECONDS)

如果您在 Java EE 环境中，您可以跳过复杂的部分，只需使用 InterruptipleCharSequence 和 @Asynchronous 调用即可。

如果这听起来很神秘，请询问详情。

【参考方案6】：

如果我是你，我会创建自己的类，放在我的应用程序和你用来匹配的库之间，并实现像“中断”这样的方法，你需要杀死线程并管理匹配那样。