匹配HTML属性的正则陷入无限循环，如何报错或规避？

问题背景 #

现有用于匹配HTML标签名及属性的正则表达式：

<(?<nodeName>[a-zA-Z][-a-zA-Z0-9_]*)(?<attributes>(?:\s*[a-zA-Z_:!0-9,][-a-zA-Z0-9_:%.\"'`;(]*(?:\s*=\s*(?:(?:\"[^\"]*\")|(?:'[^']*')|{{[^>}]*}}|[^>]+|\w*))?)*)\s*(\/?)>

当输入存在引号不匹配的标签时（如下例），该正则会陷入无限循环：

<span class='Utils.showtt("{{getI18n('zr.ratings.reviews.client.review.tag', getCrmModuleInfo('Accounts', 'true'))}}")'>

需求：如何避免无限循环，或在出现此类情况时抛出错误？

解决方法 #

1. 优化正则表达式，消除回溯爆炸 #

原正则的属性匹配部分存在大量嵌套可选分支，遇到引号不闭合的情况时会触发大量回溯，导致无限循环。可以通过以下方式优化：

• 使用**原子组(?>...)**包裹易回溯的片段，禁止正则引擎回溯到原子组内部
• 对引号匹配逻辑做更严谨的限制，未闭合的引号仅匹配到标签结束符>前的内容，避免无意义的遍历

优化后的正则示例：

<(?<nodeName>[a-zA-Z][-a-zA-Z0-9_]*)(?<attributes>(?>\s*[a-zA-Z_:!0-9,][-a-zA-Z0-9_:%.\"'`;(]*\s*(?:=\s*(?>(?:"[^"]*")|(?:'[^']*')|{{[^>}]*}}|[^>"']+|\w*))?)*)\s*(\/?)>

核心改动：将属性匹配的核心片段放入原子组，减少回溯可能性；同时限制未闭合引号的匹配范围，避免引擎反复尝试无效分支。

2. 在代码层面添加超时控制 #

如果使用的编程语言支持，可以给正则匹配操作设置超时时间，超过阈值则终止匹配并抛出错误：

• Python：可结合signal模块实现超时，或使用regex库的timeout参数
• JavaScript：部分环境（如Node.js 10+）支持正则的timeout选项
• Java：通过Pattern.compile时设置Pattern.TIMEOUT参数

3. 提前做引号配对预检查 #

在执行正则匹配前，先对输入字符串做简单的引号计数检查：

• 统计字符串中单引号、双引号的数量，若某类引号总数为奇数，直接判定为格式错误，抛出提示并跳过正则匹配
• 这种方式能快速过滤大部分引号不匹配的情况，避免进入正则匹配流程

内容的提问来源于stack exchange，提问作者MOHAMED SIKKANDAR AFZAL M