Tại sao std :: regex_iterator gây ra tràn ngăn xếp với dữ liệu này?

Question

Tôi đã sử dụng std::regex_iterator để phân tích các tệp nhật ký. Chương trình của tôi đã hoạt động khá tốt trong vài tuần và đã phân tích cú pháp hàng triệu dòng đăng nhập, cho đến hôm nay, khi hôm nay tôi chạy nó đối với tệp nhật ký và bị tràn ngăn xếp. Hóa ra rằng chỉ một dòng đăng nhập trong tệp nhật ký đã gây ra sự cố. Có ai biết tại sao regex của tôi đang gây ra sự đệ quy khổng lồ như vậy? Đây là một chương trình tự chứa nhỏ hiển thị vấn đề (trình biên dịch của tôi là VC2012):

#include <string> 
#include <regex> 
#include <iostream> 

using namespace std; 

std::wstring test = L"L3 T15356 79726859 [CreateRegistryAction] Creating REGISTRY Action:\n" 
       L" Identity: 272A4FE2-A7EE-49B7-ABAF-7C57BEA0E081\n" 
       L" Description: Set Registry Value: \"SortOrder\" in Key HKEY_CURRENT_USER\\Software\\Hummingbird\\PowerDOCS\\Core\\Plugins\\Fusion\\Settings\\DetailColumns\\LONEDOCS1\\Search Unsaved\\$AUTHOR.FULL_NAME;DOCSADM.PEOPLE.SYSTEM_ID\n" 
       L" Operation: 3\n" 
       L" Hive: HKEY_CURRENT_USER\n" 
       L" Key: Software\\Hummingbird\\PowerDOCS\\Core\\Plugins\\Fusion\\Settings\\DetailColumns\\LONEDOCS1\\Search Unsaved\\$AUTHOR.FULL_NAME;DOCSADM.PEOPLE.SYSTEM_ID\n" 
       L" ValueName: SortOrder\n" 
       L" ValueType: REG_DWORD\n" 
       L" ValueData: 0\n" 
       L"L4 T15356 79726859 [CEMRegistryValueAction::ClearRevertData] [ENTER]\n"; 

int wmain(int argc, wchar_t* argv[]) 
{ 
    static wregex rgx_log_lines(
     L"^L(\\d+)\\s+"    // Level 
     L"T(\\d+)\\s+"    // TID 
     L"(\\d+)\\s+"    // Timestamp 
     L"\\[((?:\\w|\\:)+)\\]"  // Function name 
     L"((?:"      // Complex pattern 
      L"(?!"     // Stop matching when... 
      L"^L\\d"    // New log statement at the beginning of a line 
      L")"      
      L"[^]"     // Matching all until then 
     L")*)"      // 
     ); 

    try 
    { 
     for (std::wsregex_iterator it(test.begin(), test.end(), rgx_log_lines), end; it != end; ++it) 
     { 
      wcout << (*it)[1] << endl; 
      wcout << (*it)[2] << endl; 
      wcout << (*it)[3] << endl; 
      wcout << (*it)[4] << endl; 
      wcout << (*it)[5] << endl; 
     } 
    } 
    catch (std::exception& e) 
    { 
     cout << e.what() << endl; 
    } 

    return 0; 
} 

Answer 1

Mẫu tra cứu tiêu cực được kiểm tra trên mọi nhân vật dường như là một ý tưởng tồi với tôi và những gì bạn đang cố gắng làm không phức tạp. Bạn muốn kết hợp (1) phần còn lại của dòng và sau đó (2) bất kỳ số nào sau (3) dòng bắt đầu bằng một cái gì đó khác với L \ d (lỗi nhỏ; xem bên dưới): (chỉnh sửa khác: đây là các regex; nếu bạn muốn viết chúng như xâu, bạn cần thay đổi \ để \\.)

.*\n(?:(?:[^L]|L\D).*\n)* 
| | | 
+-1 | +---------------3 
    +---------------------2 

trong chế độ ECMAScript, . không phải phù hợp \ n, nhưng bạn luôn có thể thay thế hai . s ở chỗ biểu hiện với [^\n]

Đã chỉnh sửa để thêm: Tôi nhận thấy rằng điều này có thể không hoạt động nếu có dòng trống ngay trước khi kết thúc mục nhật ký, nhưng điều này sẽ bao gồm trường hợp đó; Tôi đã thay đổi . thành [^\n] để có độ chính xác cao hơn:

[^\n]*\n(?:(?:(?:[^L\n]|L\D)[^\n]*)?\n)* 

Answer 2

Regex có vẻ OK; ít nhất là không có gì trong đó có thể gây ra thảm họa ngược.

tôi nhìn thấy một khả năng nhỏ để tối ưu hóa các regex, cắt giảm trên stack sử dụng:

static wregex rgx_log_lines(
    L"^L(\\d+)\\s+"    // Level 
    L"T(\\d+)\\s+"    // TID 
    L"(\\d+)\\s+"    // Timestamp 
    L"\\[([\\w:]+)\\]"   // Function name 
    L"((?:"      // Complex pattern 
     L"(?!"     // Stop matching when... 
     L"^L\\d"    // New log statement at the beginning of a line 
     L")"      
     L"[^]"     // Matching all until then 
    L")*)"      // 
    ); 

Bạn có set the ECMAScript option? Nếu không, tôi nghi ngờ các thư viện regex mặc định để POSIX regexes, và những người không hỗ trợ xác nhận lookahead.