如何用正则表达式杀死Java

我们最近偶然发现了一个我们绝对不了解的现象：您可以使用简单的正则表达式杀死任何Java IDE以及任何Java进程…

回到大学后，我被告知正则表达式（称为正则语法或3型语法）总是以有限状态的自动机结束，因此可以在线性时间内进行处理（输入长度加倍，处理时间加倍）。但是，这仅适用于“理智”的表达式。正则表达式也可能导致不确定的有限状态自动机，事情可能会变得很糟。

考虑一下表达式：（0 *）* A这将是任意数量的零，后跟一个大写的A。现在，如果对该表达式使用Matcher.find（），那么只要输入中存在匹配项，一切都很好。但是，如果您以“ 00000000000000000000”作为输入调用此程序，则程序将挂起（Eclipse或IntelliJ中的regex控制台以及每个（基于Java的）在线正则表达式服务也将挂起）。

乍一看似乎是一个无限循环，但变成了灾难性的回溯 。这基本上意味着匹配器检测到在输入末尾没有找到A。现在，外部量词继续向后退–内在量词又一次向前–没有结果。因此，匹配器将逐步重试所有组合以找到匹配项。它最终将返回（没有匹配项），但是它的复杂性（以及因此的运行时）是幂的（将一个字符添加到输入中会使运行时加倍）。可以在这里找到详细的描述：灾难性的回溯

这是我测量的一些运行时（对于每个添加的字符，运行时几乎几乎翻了一番）：

0000000000: 0.1ms
00000000000: 0.2ms
000000000000: 0.7ms
0000000000000: 1.3ms
00000000000000: 1.7ms
000000000000000: 3.5ms
0000000000000000: 7.2ms
00000000000000000: 13.9ms
000000000000000000: 27.5ms
0000000000000000000: 55.5ms
00000000000000000000: 113.0ms
000000000000000000000: 226.4ms
0000000000000000000000: 439.1ms
00000000000000000000000: 886.0ms

简要说明一下：对于像这样的微型基准测试，由于HotSpot JIT将在某个时候跳入并优化代码，因此您始终需要“预热” JVM。因此，第一次运行如下所示：

0000000000: 6.8ms
00000000000: 11.8ms
000000000000: 25.5ms
0000000000000: 39.5ms
00000000000000: 6.3ms   <- JIT jumped in and started to translate
000000000000000: 5.4ms     to native code.
0000000000000000: 7.1ms
00000000000000000: 14.2ms
000000000000000000: 26.8ms
0000000000000000000: 54.4ms
00000000000000000000: 109.6ms
000000000000000000000: 222.1ms
0000000000000000000000: 439.2ms
00000000000000000000000: 885.6ms

那么，这里的要点是什么？如果您正在运行服务器应用程序或许多用户使用的关键操作，除非您真的信任他们，否则不要让他们输入正则表达式。那里有正则表达式实现，可以检测到此问题并中止，但是Java（JDK 8以下）没有。

注意： 您可以使用本地IDE或小型Java程序来测试此内容，但是请不要开始淘汰那里的所有regex测试器网站。 那些家伙免费提供了一个不错的工具，所以这是相当不公平的。

这是我使用的微小基准：

public class Test {public static void main(String[] args) {for (int runs = 0; runs < 2; runs++) {Pattern pattern = Pattern.compile("(0*)*A");// Run from 5 to 25 charactersfor (int length = 5; length < 25; length++) {// Build input of specified lengthString input = "";for (int i = 0; i < length; i++) { input += "0"; }// Measure the average duration of two calls... long start = System.nanoTime();for (int i = 0; i < 2; i++) {pattern.matcher(input).find();}System.out.println(input + ": " + ((System.nanoTime() - start) / 2000000d) + "ms");}}}
}

参考： Andy的软件工程专栏博客中的JCG合作伙伴 Andreas Haufler 提供了如何使用正则表达式杀死Java 。