如何编写兼容浮点数、匹配含特定词句子且无灾难性回溯的regex？

原正则回溯问题根源 #

• 嵌套重复结构冗余：分组(\d+([.,]?\d+)*|[\w\s\(\[\{])*?中，内部\d+([.,]?\d+)*存在两层重复嵌套，且[.,]为可选匹配，遇到连续数字时会生成海量匹配尝试分支
• 分支逻辑重叠：交替的两个分支都可匹配数字，同一个字符存在多条匹配路径，进一步放大回溯风险，遇到不含目标词的长文本时就会触发灾难性回溯

优化后正则（兼容浮点数+无回溯风险） #

(?>[0-9]+(?:[.,][0-9]+)*|[^\s0-9.?!;(){}\[\]]|[\s([{])*?(?<=[.?!;\s([{])\b[sS]cope\b(?>[^.?!;]|(?<=[0-9])[.](?=[0-9]))*[.?!;](?<![0-9][.?!;])(?![0-9])

优化核心逻辑 #

• 用原子组(?>...)包裹前缀匹配逻辑，匹配成功后直接锁定结果不再回溯重试其他分支，从根源掐断回溯路径
• 重构数字匹配规则：将浮点数匹配改为[0-9]+(?:[.,][0-9]+)*，[.,]设为必选，消除了冗余的匹配分支
• 分支完全互斥：三个匹配分支分别对应「浮点数」、「普通非特殊字符」、「空白/左括号」，没有重叠匹配范围，不会出现同一字符走多个分支的情况
• 句子边界判断优化：匹配后缀时会先校验标点是否为数字中间的小数点，只有前后都不接数字的.?!;才会被判定为句子结束边界，兼容浮点数字格式

内容的提问来源于stack exchange，提问作者Emagli