正则表达式需要很长时间才能完成。

Question

我想匹配一个结构如下的行：

• 行首
• 多个' - '
• 可能有一个空格（也可能更多）
• 至少一个字符
• 可能有更多的字符和空格
• 可能有一个空格（也可能更多）
• 多个' - '
• 行尾

所以我写了这样的正则表达式：

new Regex(@"^\-{2,}\s*(\w+(\w+|\s)*)\s*\-{2,}$");

当我尝试匹配以下行时，这需要很长时间才能完成（没有等待它完成）：

-------- Variable used for recipe visualization only - Not loaded into PLC --------

我认为其中有很多匹配项，使正则表达式枚举所有这些匹配项变得困难，但我不确定。

环境信息：Windows 7，框架3.5

谢谢

编辑：感谢您的帮助，我想出了一个可行的正则表达式：

^-{2,}\s*(?!\-)(\w(?:\w|\s|\-)+)(?<!\-)\s*-{2,}$

所以，这个解释是：

• 行首
• 至少两个“-”
• 可能有一个或多个空格
• 没有更多的“-”
• 至少一个字符
• 可能有更多的字符、空格或“-”
• 没有更多的“-”
• 可能有一个或多个空格
• 至少两个“-”
• 行尾

如果您发现有什么错误，请告诉我。

- nkoniishvt

---

这不会匹配，因为 "only - Not" 中有一个内部破折号。 - juharr

你的问题在于你没有将中间的 "-" 捕获。 - Jonesopolis

我刚在 https://myregextester.com/index.php 上尝试了一下，它只用了0.018301秒就运行完了。但是在C#中运行需要非常长的时间，但是如果去掉内部破折号，它会加快速度。 - juharr

@juharr和Jonesopolis，感谢你们的回答。但是为什么它不能只返回false而不是长时间运行呢？ - nkoniishvt

我期望这部分负责：(\w+(\w+|\s)*)。基本上，只要一系列空格保持不变，就允许单词和空格序列的任何分区。由于整个表达式不匹配，回溯将依次访问所有可接受的分区。尝试使用 (\w+(\s+\w+)*) 替换它。 - collapsar

Answer 1

展开嵌套分组为

^-{2,}\s*(\w+(?:\s+\w+)*)\s*-{2,}$
             ^^^^^^^^^^^ 

否则，您的模式将容易出现灾难性回溯。

请查看正则表达式演示 或者，使用原子组来禁用任何返回到替换组的回溯：

^-{2,}\s*((?>\w+(?:\w+|\s)*))\s*-{2,}$
          ^^^              ^ 

请查看 这个正则表达式演示

通常，避免在较长的模式中使用嵌套量词的交替（例如（\w+ | \s）* ）。

- Wiktor Stribiżew

---

编辑了我的答案，包括适用于此情况的正则表达式。您能否看一下并告诉我是否有什么问题？谢谢。 - nkoniishvt

正则表达式不是最优的。 (?!-) 完全是多余的，因为下一个子模式是 \w，因此前瞻检查结果始终为 true。我会重写为 ^-{2,}\s*(\w+(?:[\s-]+\w+)*)\s*-{2,}$（然后 (?<!-) 不是必要的，因为最后一个可选空格和连字符之前唯一可能的字符是单词字符。请注意，在字符类外部不必转义 -。 - Wiktor Stribiżew