Python正则大量使用.*触发灾难性回溯导致循环卡死如何解决

问题原因 #

• 你定义的Starts_2dugaar_heseg正则集合所有模式都大量使用贪婪匹配的.*，且多个.*连续排列在长模式中。当待匹配文本不满足模式结尾的关键词要求时，正则引擎会反复回溯尝试所有可能的字符拆分路径，直接触发灾难性回溯，加上你循环遍历29个正则挨个匹配，最终导致程序卡死。

解决方案 #

方案1：修改正则量词（最小改动适配业务要求） #

将所有模式中的贪婪.*替换为独占量词.*+，独占量词匹配到内容后不会回退回溯，匹配逻辑和原有.*完全一致，同时从根源避免灾难性回溯。再将所有模式合并为一个正则，避免循环29次匹配的额外开销：

import re

Starts_2dugaar_heseg = (
        r'.*Нэхэмжлэгч.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*болон.*нэхэмжлэгчийн.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэл.*болон.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*болон.*нэхэмжлэгчийн.*итгэмжлэгдсэн.*төлөөлөгч,.*өмгөөлөгч.*нар.*шүүхэд.*гаргасан.*нэхэмжлэл.*болон.*шүүх.*хуралдаанд.*гаргасан.*нэхэмжлэлдээ:.*',
        r'.*Нэхэмжлэгч.*болон.*нэхэмжлэгчийн.*өмгөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэл.*болон.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*болон.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэл.*болон.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*болон.*түүний.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэл,.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*болон.*түүний.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэлдээ:.*',
        r'.*Нэхэмжлэгч.*гаргасан.*нэхэмжлэл.*болон.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүх.*хуралдаанд.*тайлбарлахдаа:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэжмлэлийн.*шаардлагадаа:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэл.*болон.*нэхэмжлэгч.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэл.*болон.*шүүх.*хуралдаанд.*гаргасан.*тайлбар:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэл.*болон.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэлд.*болон.*шүүх.*хуралдаанд.*гаргасан.*тайлбарт:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэлдээ:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэлийн.*шаардлага.*болон.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*итгэмжлэгдсэн.*төлөөлөгч.*шүүхэд.*гаргасан.*нэхэмжлэлээ.*дэмжиж.*шүүх.*хуралдаанд.*тайлбарлахдаа:.*',
        r'.*Нэхэмжлэгч.*нь.*нэхэмжлэлийн.*өөрчилсөн.*шаардлагадаа:.*',
        r'.*Нэхэмжлэгч.*нэхэмжлэгч.*нар.*шүүхэд.*гаргасан.*нэхэмжлэлдээ:.*',
        r'.*Нэхэмжлэгч.*нэхэмжлэл.*болон.*шүүх.*хуралдаан.*дээр.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*нэхэмжлэл.*болон.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*нэхэмжлэлийн.*шаардлагаа.*дэмжиж.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*нэхэмжлэлийн.*шаардлагаа.*өөрчилж.*гаргахдаа:.*',
        r'.*Нэхэмжлэгч.*нэхэмжлэлийн.*шаардлагаа.*өөрчлөн.*шүүхэд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*нэхэмжлэлийн.*шаардлагыг.*тодруулахдаа.*болон.*шүүх.*хуралдаанд.*тайлбарлахдаа:.*',
        r'.*Нэхэмжлэгч.*өмгөөлөгч.*шүүх.*хуралдаанд.*гаргасан.*тайлбартаа:.*',
        r'.*Нэхэмжлэгч.*тал.*шүүх.*хуралдаанд.*гаргасан.*нэхэмжлэлийн.*тайлбартаа.*',
        r'.*шүүхэд.*нэхэмжлэлийн.*шаардлагаа.*нэмэгдүүлэх.*болон.*өөрчлөн.*гаргахдаа:.*'
    )

# 合并模式+替换为独占量词，Python 3.10以下版本可将.*+替换为惰性匹配.*?，也能大幅降低回溯概率
merged_pattern = re.compile('|'.join(pat.replace('.*', '.*+') for pat in Starts_2dugaar_heseg))

# 单次匹配即可，无需循环
start_chars = line[:250]
if merged_pattern.search(start_chars):
    start = True
    print('start = True')

方案2：非正则实现（性能更高） #

如果后续需要进一步提升性能，可以将每个模式的关键词按顺序提取，编写简单的顺序匹配函数判断关键词是否按顺序出现在文本中，完全规避正则回溯问题。

内容的提问来源于stack exchange，提问作者user15313738