c++ - 是 boost :regex block size limited?

Question

我有相当大的文本文件要通过 boost:regex 解析。为了简化过程，首先我决定将大文件拆分为 block ，以便将来解析每个 block 。

我为此使用下一个正则表达式字符串:

FIRST1.*?FIRST2.*?FIRST3((.*?\r*\n*)*)LAST1.*?LAST2.*?LAST3

它可以让我收到“FIRST1 FIRST2 FIRST3”和“LAST1 LAST2 LAST3”之间我想要的一切。

在它们之间存在许多行和许多文本(超过 20 000 字节)。它不起作用。如果我将文本分成两部分(第 1 部分 ~ 10 000 字节和第 2 部分 ~10 000 字节)，并尝试使用此正则表达式:

• 第 1 部分最后 - 一切都很好地解析
• 第 2 部分最后 - 一切都很好地解析
• 第 1 部分第 2 部分最后 - 休息。

我认为这可能是 boost:regex 限制，并在这里尝试:online regex , 还是一样。

看起来 part1part2 太大而无法返回正则表达式 block ，是这样吗？正则表达式是否有大小限制，还是我搞砸了？

更新:

我还找到了最大尺寸。如果是字符[106-12131]，它会找到子串，但是如果我在子串的任何地方添加任何一个字符，它就找不到它。所以，它是 12025。

Answer 1

你可能不应该在这里使用正则表达式。

我会向您展示如何有效地执行此操作的 Spirit 方法，但您没有显示相关代码，所以我会等待。

也就是说，至少让组成为非捕获组(例如这里 ((.*?\r*\n*)*))并考虑使用 cmatch 而不是 smatch ( docs )

哦，这可能是灾难性回溯的情况[¹] :

((.*?\r*\n*)*)

尝试这样的事情:

(.+?[\r\n]+)*

也让它成为非捕获:

(?:.+?[\r\n]+)*