Java中带捕获组的正向预查正则分词邮箱是否会触发灾难性回溯？

一、当前正则的回溯风险分析 #

你的正则表达式确实存在触发灾难性回溯的可能，同时还有语法错误：

1. 字符类语法问题：[\@|\.|...]里的|会被当成普通匹配字符，导致正则会意外匹配|符号，这显然不是你的本意。字符类里不需要用|分隔符号，直接罗列目标符号即可。
2. 贪婪匹配的回溯隐患：正则中的(.+)是贪婪匹配，加上正向预查是零宽断言，会在字符串的每个位置尝试匹配。处理长邮箱时，(.+)会先匹配到字符串末尾，再逐步回溯以满足前面的特殊符号匹配，这种回溯次数会随字符串长度呈指数级增长，极端情况下会直接导致栈溢出或程序卡死。

比如邮箱是a.b.c.d.e.f@x.y.z.w.v.u时，正则会在每个字符位置触发匹配，每次(.+)都要从末尾反复回溯，性能消耗会非常夸张。

二、替代解决方案 #

你的需求是提取所有特殊符号（@、.等）开头的后缀，以及符号后的纯字符后缀，完全可以避开正则的回溯问题，用两种更可靠的方式实现：

方案1：修复并优化正则 #

如果一定要用正则，先修正字符类错误，同时减少回溯次数：

(?=([@.!#$%&'*+/=?^_`{|}~](.*)))

关键修改点：

• 移除字符类中的多余|，只保留需要匹配的特殊符号。
• 把贪婪的(.+)换成(.*)，避免不必要的回溯（.*匹配空字符串时无需回溯）。

但即使优化后，正则仍会在每个字符串位置尝试匹配，性能还是不如纯字符串操作，更推荐方案2。

方案2：纯字符串遍历（推荐） #

直接遍历邮箱字符串，定位所有特殊符号的位置，然后生成对应的后缀，完全规避正则的回溯问题，逻辑也更清晰：

import java.util.ArrayList;
import java.util.List;

public class EmailTokenizer {
    public static List<String> tokenizeEmail(String email) {
        List<String> tokens = new ArrayList<>();
        // 定义需要触发分词的特殊符号集合
        String triggerChars = "@.!#$%&'*+/=?^_`{|}~";
        
        for (int i = 0; i < email.length(); i++) {
            char currentChar = email.charAt(i);
            if (triggerChars.indexOf(currentChar) != -1) {
                // 添加「符号+后缀」的分词结果
                tokens.add(email.substring(i));
                // 如果不是最后一个字符，添加「符号后纯字符后缀」
                if (i < email.length() - 1) {
                    tokens.add(email.substring(i + 1));
                }
            }
        }
        return tokens;
    }

    public static void main(String[] args) {
        String testEmail = "John.doe@abc.co.in";
        tokenizeEmail(testEmail).forEach(System.out::println);
    }
}

运行后输出：

.doe@abc.co.in
doe@abc.co.in
@abc.co.in
abc.co.in
.co.in
co.in
.in
in

和你的预期结果完全匹配（你写的两个doe@abc.co.in应该是笔误，实际第一个是.doe@abc.co.in）。

这种方案的优势：

• 性能拉满，没有正则的回溯开销，处理任意长度的邮箱都不会有性能问题。
• 逻辑直观，容易调试和修改，比如要增减触发符号直接修改triggerChars即可。

三、总结 #

当前正则的语法错误和贪婪匹配逻辑，必然会导致灾难性回溯问题。优先选择纯字符串遍历的方案，既高效又能精准满足需求。

内容的提问来源于stack exchange，提问作者Adhish Kandhan