本文来自依云's Blog，转载请注明。
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：
#!/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)
May 26, 2013 11:21:19 AM
为什么这个正则会超时， (r'''(?:<(?:[^<>]+)*>)+''') 就不会超时呢？？
May 26, 2013 11:23:55 AM
哦，因为匹配的都被消耗掉了，没匹配会不断尝试
May 26, 2013 06:03:18 PM
“People with little regex experience have surprising skill at coming up with exponentially complex regular expressions.” ---- 太对了，尤其对我来说。我只稍微试了几下，就写出一个能在小文档里跑到死的 Vim pattern，而且超简单。给你: \(\(\(\w\+\)\_.\{-}\3\)\_.\{-}\2\)\_.\{-}\1
May 26, 2013 06:25:24 PM
:D
May 27, 2013 09:53:51 AM
信号处理函数里抛异常？
老实说信号处理函数能安全干的事非常少。。
May 27, 2013 11:31:19 AM
那是 C。Python 里注册的信号处理函数是在实际的信号处理完毕之后调用的。
Jun 02, 2013 12:59:01 AM
多线程中无法使用Signal怎么解决
Jun 02, 2013 01:10:36 AM
我不用多线程。
你要不 fork 个进程来匹配？