如何重构被 SonarLint 标记为“可能导致堆栈溢出”的正则表达式

Question

我的 CSV 文件中有一些类似于下面的行：

"A","B","C"

我可以确定所有值都将始终用双引号引起来，并用逗号分隔。

为了解析这些值，我使用这个正则表达式：

var regex  = ",(?=([^\"]*\"[^\"]*\")*[^\"]*$)";
var chunks = Stream.of(s.split(regex))
               .map(e -> e.substring(1, e.length() - 1))
               .toList();

这会产生一个

chunks

列表，其中包含值

A

、

B

、

C

。到目前为止，一切都很好。 然而，SonarLint 正在抱怨正则表达式。它说：

Refactor this repetition that can lead to a stack overflow for large inputs

正则表达式需要是什么样子才能避免发生堆栈溢出？

Answer 1

这是因为你的正则表达式有重复。考虑重新考虑优化。
我相信，在您的情况下，

",(?=([^\"]*\"[^\"]*\")*[^\"]*$)"

给出的结果与您可以考虑的

",(?=([^\"]*\")*[^\"]*$)"

相同。
您可以参考here的完整声纳规则，其中指出：

为什么这是一个问题？ Java正则表达式引擎使用递归方法 调用来实现回溯。因此，当 a 内重复时 正则表达式包含多个路径（即正文 重复包含交替 (|)、可选元素或其他元素 重复），尝试匹配正则表达式可能会导致堆栈 大输入时溢出。使用所有格时不会发生这种情况 量词（例如 + 而不是 ）或使用字符类时 在重复中（例如 [ab] 而不是 (a|b)）。