java.lang.StackOverflowError beim Verwenden einer RegEx zum Parsen großer Strings

Dies ist mein Regex

((?:(?:'[^']*')|[^;])*)[;]

Es tokenizes ein string am Semikolon. Zum Beispiel,

Hello world; I am having a problem; using regex;

Ergebnis ist drei Saiten

Hello world
I am having a problem
using regex

Aber wenn ich mit einem großen Eingabe-string bekomme ich diesen Fehler

Exception in thread "main" java.lang.StackOverflowError
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4168)
at java.util.regex.Pattern$Loop.match(Pattern.java:4295)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4227)
at java.util.regex.Pattern$BranchConn.match(Pattern.java:4078)
at java.util.regex.Pattern$CharProperty.match(Pattern.java:3345)
at java.util.regex.Pattern$Branch.match(Pattern.java:4114)
at java.util.regex.Pattern$GroupHead.match(Pattern.java:4168)
at java.util.regex.Pattern$Loop.match(Pattern.java:4295)
at java.util.regex.Pattern$GroupTail.match(Pattern.java:4227)

Wie ist das verursacht und wie kann ich es lösen?

Kommentar zu dem Problem
Wie groß ist die Zeichenfolge, die Sie analysieren? Kommentarautor: NullUserException

InformationsquelleAutor der Frage Ali | 2011-09-22

  1. 43

    Leider, Java vordefinierte regex-support hat Probleme mit regexes mit sich wiederholenden alternative Pfade ( (A|B)* ). Dies ist zusammengestellt in einer rekursiven Aufruf, die Ergebnisse in einer StackOverflow-Fehler bei Einsatz auf einem sehr großen string.

    Eine mögliche Lösung ist, schreiben Sie Ihre regex, nicht mit einem repetitiven alternative, aber wenn Ihr Ziel ist es, für die tokenisierung, die eine Zeichenfolge auf Semikolons, brauchen Sie nicht eine komplexe regex überhaupt richtig, benutzen Sie einfach String.split() mit einem einfachen ";" als argument.

    InformationsquelleAutor der Antwort Jeen Broekstra

  2. 8

    Wenn Sie wirklich brauchen, um einen regex verwenden, die overflows Ihren stack, können Sie erhöhen Sie die Größe Ihres Stacks durch die übergabe etwas wie -Xss40m der JVM.

    InformationsquelleAutor der Antwort Andrew

  3. 6

    Könnte es helfen, fügen Sie ein + nach der [^;], so dass Sie weniger Wiederholungen.

    Gibt es nicht auch etwas konstruieren, der sagt: "wenn der reguläre Ausdruck matched bis zu diesem Punkt, nicht backtrace"? Vielleicht, die in handliches kommt, auch. (Update: es heißt possessive Quantoren).

    Eine ganz andere alternative ist das schreiben einer utility-Methode genannt splitQuoted(char quote, char separator, CharSequence s) explizit durchläuft den string und merkt sich, ob Sie es gesehen hat, der eine ungerade Anzahl von Anführungszeichen. In dieser Methode könnte man auch den Fall behandeln, dass die Anführungszeichen könnte werden müssen, ohne Umschreibung, wenn es angezeigt wird, in eine Zeichenfolge in Anführungszeichen ein.

    'I'm what I am', said the fox; and he disappeared.
'I\'m what I am', said the fox; and he disappeared.
'I''m what I am', said the fox; and he disappeared.

    InformationsquelleAutor der Antwort Roland Illig

Schreibe einen Kommentar