看到这个标题,你也许会想,这个需要限制么?不是很快就出来结果了么?
感谢 Just Great Software,虽然我没买它的产品,但是其说明书(可免费下载)中的正则教程详细地论述了这点。所以我在自己的 xmpptalk 机器人中一直不敢接受用户输入的正则表达式。引述其中的一句话:「People with little regex experience have surprising skill at coming up with exponentially complex regular expressions.」(不太懂正则的人经常能令人惊奇地写出指数级复杂度的正则。)
但很不幸,我从这里抄到的匹配网址的正则就有这种问题。在将其的修改版给我的 XMPP 机器人 Lisa 使用后,Lisa 两次被含有括号的链接搞到没响应……
所以,如果要使用用户输入的正则,我必须限制其匹配时间。方法也很简单——使用信号就可以了。当 Python 在匹配正则时如果收到信号,会转而调用信号处理器,然后再接着匹配。如果信号处理器抛出了异常,那么此异常会传播到调用正则匹配的地方,从而中断匹配操作。
示例如下:
regex_with_timeout.py
#!/usr/bin/env python3
import re
# import regex as re
import signal
def timed_out(b, c):
print('alarmed')
raise RuntimeError()
signal.signal(signal.SIGALRM, timed_out)
signal.setitimer(signal.ITIMER_REAL, 0.1, 0)
s = '<aaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaaa>'
r = re.compile(r'''(?:<(?:[^<>]+)*>)+b''')
try:
r.findall(s)
except RuntimeError:
print('time exceeded')
被注释掉的那句是调用mrab-regex-hg这个正则引擎的;它不会回溯时出这种问题。
优化下代码,写成库方便使用(使用了TimeoutError
,所以适用于 Python 3.3+):
import contextlib
import signal
@contextlib.contextmanager
def execution_timeout(timeout):
def timed_out(signum, sigframe):
raise TimeoutError
old_hdl = signal.signal(signal.SIGALRM, timed_out)
old_itimer = signal.setitimer(signal.ITIMER_REAL, timeout, 0)
yield
signal.setitimer(signal.ITIMER_REAL, *old_itimer)
signal.signal(signal.SIGALRM, old_hdl)