Regex 给定正则表达式的最差输入

我想在我的代码库中自动测试正则表达式

我想保护自己不受邪恶的regexp及其亲属的伤害

为此，我正在寻找一种为给定正则表达式和引擎生成“最坏情况”输入的方法或现有库（基于NFA和DFA的引擎都在范围内）

诚然，正则表达式是一种功能强大的语言，显然（计算上）很难找到任意正则表达式的最差输入，特别是如果使用反向引用，它甚至可能是不可判定的

---

在我的用例中，我可以找到糟糕的输入（与最糟糕的输入相反），但非常简短。

正则表达式最糟糕的输入会因引擎而异。同一个正则表达式和字符串在一个引擎上可能根本不需要时间，但在另一个引擎上永远不会完成

发动机之间的差异 发动机类型 对于某些引擎，“最坏”的正则表达式仍然是良性的，在线性时间内运行（或者

O（n*m）

time，此时正则表达式的长度和字符串的长度都可能不同。）当然，这是实现的原因。这些引擎不会后退；相反，他们使用有限状态机（FSM）

请注意，一些回溯实现使用FSM，但仅作为中间步骤。不要让这件事迷惑你；他们不是FSM

大多数旧的正则表达式引擎（如sed）使用FSM匹配。有一些新引擎使用这种实现，例如Go。PCRE甚至有使用这种匹配类型的DFA函数（搜索“DFA”）

还解决了两种实现之间的潜在速度差异

如果你真的担心恶意输入会影响正则表达式的速度，那么考虑使用FSM实现是明智的。不幸的是，FSM没有其他实现那么强大；它缺乏对某些功能的支持，例如反向引用

优化 邪恶其实有点主观。对一个正则表达式引擎有害的东西可能不会对另一个引擎有害。如果引擎得到优化，邪恶的阴谋就会被挫败。考虑到回溯引擎的潜在指数运行时间，优化对于回溯引擎尤其重要

短路 在某些情况下，发动机可能能够快速确定不可能匹配。在对字符串

aaaaaaaaaaaaaa

运行regex

a*b？a*x

时，表示：

你的比赛彻底失败了。这意味着引擎，由于其内部优化，理解您的模式在任何位置都不会匹配，因此甚至没有尝试匹配

请记住，正则表达式是邪恶的，特别是当与该字符串配对时

当然，引擎是智能的，不需要回溯来确定匹配将不起作用。它看到了一件非常明显的事情：正则表达式需要一个

x

来匹配，但是字符串中没有

x

修饰语 我之所以提到这一点，是因为您可能不希望修饰符成为正则表达式性能的一个因素。但事实确实如此

即使是PCRE，一种更优化的实现，在启用了

u

和

i

修饰符的情况下，也可能会采取更多的步骤。有关这方面的更多信息，请参阅我的问题。最后，我发现只有某些角色触发了这种行为

分析字符串 字符串长度 一般来说，长字符串比短字符串慢。事实上，如果您发现一个长度为x的字符串导致灾难性的回溯，您可以通过增加该字符串的长度使其回溯得更多一些

贪婪与懒惰 比较这些正则表达式的速度：

• *b

  on

  aaaaaaaa…aaaaaa b

• aaaaaa…aaaaaa b

• abaaaaaa…aaaaaa上的
  *b

• *？b

  on

  abaaaaaaaa…aaaaaa

本质上，当您认为需要进行大量匹配时，贪婪匹配是最好的。当您只需要匹配一点时，惰性匹配是最好的

请注意，如果将正则表达式更改为

a*b

或

a*？b

，则引擎可能会显著优化

蛮力试验 有几个框架是专门设计用来查找正则表达式中的漏洞的。也许值得一试

如果你想尝试制作自己的算法，我会建议你做一件事。尝试字典中的所有字符是不实际的，特别是如果您想测试长字符串

相反，请查看正则表达式以确定应该测试哪些字符。如果您将

（a++）

作为正则表达式，那么实际上只有两个匹配项：

a

而不是

a

。您可以想象，当您生成字符串以使用暴力时，只有两个字符：

a

和

b

（也称为非

a

）

设置超时 如果能确保你的正则表达式在宇宙热死之前完成，那将是一件美妙的事情，对吧？一些正则表达式引擎确实有一种设置超时的方法

:

bool设置时间限制（int$seconds）

设置允许脚本运行的秒数。如果达到该值，脚本将返回一个致命错误。默认限制为30秒，如果存在，则为

php.ini

中定义的

max\u execution\u time

值

调用时，

set\u time\u limit（）

从零重新启动超时计数器。换句话说，如果超时是默认的30秒，并且在脚本执行25秒后进行了调用，例如

set\u time\u limit（20）

，则脚本将在超时之前运行总共45秒

您不妨访问该链接，因为它正好位于堆栈溢出上。

在

（a++）

AppDomain domain = AppDomain.CurrentDomain;
  // Set a timeout interval of 2 seconds.
  domain.SetData("REGEX_DEFAULT_MATCH_TIMEOUT", TimeSpan.FromSeconds(2));

Runnable runnable = new Runnable() {
     @Override
     public void run()
     {
        long startTime = System.currentTimeMillis();
        Matcher interruptableMatcher = pattern.matcher(new InterruptibleCharSequence(input));
        interruptableMatcher.find(); // runs for a long time!
        System.out.println("Regex took:" + (System.currentTimeMillis() - startTime) + "ms");
     }
  };
  Thread thread = new Thread(runnable);
  thread.start();
  Thread.sleep(500);
  thread.interrupt();