我的正则表达式在Java中导致堆栈溢出；我错过了什么？

我正在尝试使用带有Scanner的正则表达式来匹配文件中的字符串。正则表达式适用于文件的所有内容，但此行除外：

DNA="ITTTAITATIATYAAAYIYI[....]ITYTYITTIYAIAIYIT"

在实际文件中，省略号表示数千个以上的字符

当读取文件的循环到达包含基的行时，会发生堆栈溢出错误

以下是循环：

while (scanFile.hasNextLine()) {
   final String currentLine = scanFile.findInLine(".*");
   System.out.println("trying to match '" + currentLine + "'");
   Scanner internalScanner = new Scanner(currentLine);
   String matchResult = internalScanner.findInLine(Constants.ANIMAL_INFO_REGEX);
   assert matchResult != null : "there's no reason not to find a match"; 
   matches.put(internalScanner.match().group(1), internalScanner.match().group(2));
   scanFile.nextLine();
  }

而正则表达式：

static final String ANIMAL_INFO_REGEX = "([a-zA-Z]+) *= *\"(([a-zA-Z_.]| |\\.)+)";

以下是故障跟踪：

java.lang.StackOverflowError
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3360)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4131)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4185)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4312)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4244)
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4095)
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3362)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4131)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4185)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4312)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4244)
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4095)
    at java.util.regex.Pattern$CharProperty.match(Pattern.java:3362)
    at java.util.regex.Pattern$Branch.match(Pattern.java:4131)
    at java.util.regex.Pattern$GroupHead.match(Pattern.java:4185)
    at java.util.regex.Pattern$Loop.match(Pattern.java:4312)
    at java.util.regex.Pattern$GroupTail.match(Pattern.java:4244)
    at java.util.regex.Pattern$BranchConn.match(Pattern.java:4095)
    ...etc (it's all regex).

---

非常感谢

试试这个简化版的正则表达式，它删除了一些不必要的

|

操作符（这可能导致正则表达式引擎进行了大量分支），并包括了行的起始和结束锚

static final String ANIMAL_INFO_REGEX = "^([a-zA-Z]+) *= *\"([a-zA-Z_. ]+)\"$";

这看起来像。我同意亚萨的观点，移除交替应该会有所帮助；该bug特别指出“尽可能避免交替”。我认为你可以做得更简单：

"^([a-zA-Z]+) *= *\"([^\"]+)"

---

阅读以下内容以了解问题：。。。然后使用其他建议之一

正如其他人所说，您的正则表达式的效率远远低于其应有的效率。我会更进一步，使用所有格量词：

"^([a-zA-Z]++) *+= *+\"([^\"]++)\"$"

但是你使用扫描仪的方式也没有多大意义。无需使用

findInLine（“.*”）

来读取该行；这就是

nextLine（）

所做的。你不需要再创建一个扫描器来应用你的正则表达式；用火柴就行了

static final Pattern ANIMAL_INFO_PATTERN = 
    Pattern.compile("^([a-zA-Z]++) *+= *+\"([^\"]++)\"$");

---

我可以看出，这会导致您的堆栈溢出…：P+1，但我想强调的是，错误报告是假的。评估中的备注适用于任何正则表达式定向（或NFA）正则表达式引擎，而不仅仅是Java引擎。（包括Perl、Python、PHP、.NET、JavaScript和许多其他语言。）

  Matcher lineMatcher = ANIMAL_INFO_PATTERN.matcher("");
  while (scanFile.hasNextLine()) {
    String currentLine = scanFile.nextLine();
    if (lineMatcher.reset(currentLine).matches()) {
      matches.put(lineMatcher.group(1), lineMatcher.group(2));
    }
  }