JavaScript正则表达式指数回溯问题：原因及修复方案咨询

问题具体原因 #

你这段代码里的域名匹配正则存在嵌套重复组的问题：([a-z\d]([a-z\d-]*[a-z\d])*) 中，外层的*和内层的[a-z\d-]*都是贪婪的重复匹配结构。

当输入以0开头且包含大量连续0的字符串（比如000000000000）时，正则引擎会尝试所有可能的匹配拆分方式：比如让外层组匹配1个0，剩下的交给内层；或者外层匹配2个，内层匹配剩余部分……这种组合的数量是指数级增长的，会导致引擎陷入大量回溯，出现性能卡顿甚至崩溃，这就是CodeQL告警的核心原因。

解决方法 #

优化正则结构（推荐） #

把嵌套重复的结构改成非嵌套的形式，既符合域名标签的规则（不能以-开头或结尾），又彻底消除回溯风险：

const validateUrl = str => {
  var pattern = new RegExp(
    "^(https?:\\/\\/)?" + // protocol
    "(([a-z\\d]+(?:-[a-z\\d]+)*\\.)+[a-z]{2,}|" + // 优化后的域名部分
    // 补充原正则的其余部分
  );
  // 后续验证逻辑
};

这个写法的逻辑是：域名标签必须以字母/数字开头，后面可跟任意个「-+字母/数字」的组合，完全避免了嵌套重复带来的回溯问题。

使用原子组（ES2018+环境） #

如果你的运行环境支持ES2018及以上的正则特性，可以用原子组(?>...)包裹容易回溯的部分，告诉引擎一旦匹配成功就不再回溯：

const validateUrl = str => {
  var pattern = new RegExp(
    "^(https?:\\/\\/)?" + // protocol
    "((([a-z\\d](?>[a-z\\d-]*[a-z\\d]))*\\.)+[a-z]{2,}|" + // 添加原子组
    // 补充原正则的其余部分
  );
  // 后续验证逻辑
};

注意：老版本浏览器可能不支持原子组特性，使用前需确认环境兼容性。

提前过滤无效输入 #

在执行正则匹配前，先做简单的前置检查，直接排除全是0的无效字符串：

const validateUrl = str => {
  // 提前过滤全0的无效输入
  if (/^0+$/.test(str)) return false;
  var pattern = new RegExp(
    "^(https?:\\/\\/)?" + // protocol
    "((([a-z\\d]([a-z\\d-]*[a-z\\d])*)\\.)+[a-z]{2,}|" + // domain name
    // 补充原正则的其余部分
  );
  return pattern.test(str);
};

内容的提问来源于stack exchange，提问作者bionics parv