为何正则表达式/<[^>]*?>/g被CodeQL标记为多项式正则？

你的正则<[^>]*?>本身不存在灾难性回溯或多项式性能风险，CodeQL的警告更像是规则的泛化误报，原因如下：

• 正则的实际行为：这个正则的逻辑是匹配以<开头，接着匹配任意**非>字符**（[^{>]`是排除型字符集，只会匹配不是>`的内容），最后以>`结尾。非贪婪量词`*?`在这里并不会引发回溯——因为`[}>]已经限定了匹配范围，只要遇到>就会立刻终止当前匹配，整个过程是线性遍历输入文本，时间复杂度是O(n)，完全没有回溯分支。

• CodeQL的规则逻辑：CodeQL的警告规则可能对包含.*?这类非贪婪量词的正则做了泛化标记，认为在非受控数据上使用这类模式可能存在性能问题。但它没有识别到你这里用了[^>]这个限定性字符集，彻底避免了回溯的可能。

• 验证依据：你在测试中没发现性能问题是合理的——即使输入超长的无>文本，这个正则也只会快速匹配到文本末尾（因为找不到>，不会产生任何回溯分支）；如果是正常的HTML标签文本，匹配过程更是高效。

结论：这个警告属于误报，你的正则在处理标签文本时是安全高效的。

内容的提问来源于stack exchange，提问作者Allan Jardine