Rascal 中正则表达式匹配的大小是否有限制？

Question

在尝试匹配 Java 源文件中的所有多行注释时，我运行出现 Whosebug() 错误。当匹配的评论非常大时会发生这种情况。我已经或多或少地确定了 2500 个字符的限制，但这可能是我的环境所特有的。

我正在使用以下表达式来匹配评论：

/<comment:((\/\*([^*]|[\r\n]|(\*+([^*\/]|[\r\n])))*\*+\/))+>/mi

我应该注意匹配的大小是否有一些限制，或者我的正则表达式是否存在缺陷？

我的堆栈跟踪是：

|project://Sevo1/src/Volume.rsc|(985,32,<53,12>,<53,44>): Whosebug()
    at countLines(|project://Sevo1/src/Volume.rsc|(985,33,<53,12>,<53,45>))
    at $root$(|prompt:///|(0,73,<1,0>,<1,73>))

Answer 1

Your regex 不是最优的，因为它包含一个 *-量化的捕获组，该组包含在字符串内相同位置匹配的替代项。您可能会看到 [^*] 匹配除 * 之外的任何字符（即它匹配换行符），然后您有 [\r\n] 也匹配换行符。请注意，您匹配的文本块大部分都是 1 个字符长（与 (\*+([^*\/]|[\r\n])) 匹配的 * 块除外），而正则表达式引擎似乎不能很好地处理这里的任务。

嵌套量词只有在一次匹配较长的块时才有用。将模式重写为

/<comment:\/\*[^*]*\*+(?:[^\/*][^*]*\*+)*\/>/

这样效率会更高。见 regex demo.

详情

\/\* - /* 子串
[^*]*\*+ - * 以外的 0+ 个字符后跟一个或多个文字 *
(?:[^\/*][^*]*\*+)* - 0+ 个序列：
- [^\/*][^*]*\*+ - 不是 / 或 *（与 [^/*] 匹配）后跟 0+ 个非星号字符（[^*]*）后跟一个或多个星号 (\*+)
\/ - 收盘 /

Rascal 中正则表达式匹配的大小是否有限制？

Is there a limit to the size of a regex match in Rascal?

regex

stack-overflow

rascal