授權(quán)與合規(guī)聲明本文全部操作對(duì)象均為自建隔離靶場(chǎng)本機(jī)容器或隔離虛擬機(jī)涉及安全測(cè)試的環(huán)節(jié)必須以取得合法授權(quán)為前提。未經(jīng)授權(quán)的滲透測(cè)試違反《中華人民共和國(guó)網(wǎng)絡(luò)安全法》與《刑法》相關(guān)條款須承擔(dān)相應(yīng)法律責(zé)任。本文只講環(huán)境配置、版本對(duì)照與靶場(chǎng)隔離不含任何攻擊步驟、利用載荷與繞過(guò)手法請(qǐng)勿將文中環(huán)境指向任何非自有系統(tǒng)。一、先看現(xiàn)象同一條正則短輸入秒回、長(zhǎng)輸入不動(dòng)1.1 轉(zhuǎn)圈的那幾十秒日志里什么都沒(méi)留下一個(gè)再普通不過(guò)的字段校驗(yàn)。用戶提交一段「?jìng)渥ⅰ购蠖讼冗^(guò)一條正則確認(rèn)文本的構(gòu)成符合約定。這條正則寫(xiě)在validate()里一行注釋只有四個(gè)字只允許字母。上線前你自己試過(guò)空串、一個(gè)字母、帶數(shù)字的、帶中文的全部一次通過(guò)耗時(shí)看不出差別。然后某個(gè)工作日的下午接口開(kāi)始轉(zhuǎn)圈。不是所有請(qǐng)求都慢是偶發(fā)的一兩個(gè)。用戶并沒(méi)有做什么特別的操作他只是把一份文檔里的一大段說(shuō)明文字粘進(jìn)了備注框——不是為了攻擊你是真的想提交這段備注。請(qǐng)求發(fā)出去前端一直等網(wǎng)關(guān)在預(yù)定的時(shí)間點(diǎn)把連接掐斷應(yīng)用日志里有「請(qǐng)求開(kāi)始」沒(méi)有「請(qǐng)求結(jié)束」機(jī)器上那條 CPU 曲線在那幾十秒里有一個(gè)很尖的峰隨后落回去。重啟之后一切恢復(fù)正常你拿同樣的賬號(hào)、同樣的瀏覽器再提交一次怎么都復(fù)現(xiàn)不出來(lái)。1.2 把「感覺(jué)慢」換成一張表復(fù)現(xiàn)不出來(lái)的原因是觸發(fā)條件不在「請(qǐng)求」這一層而在「輸入」這一層它要同時(shí)滿足兩個(gè)條件——足夠長(zhǎng)并且以一個(gè)讓匹配失敗的方式結(jié)束。你手工重試時(shí)粘的是能通過(guò)的那段走的全是快路徑自然看不出問(wèn)題。要判斷這類(lèi)問(wèn)題不用讀引擎源碼只要把長(zhǎng)度當(dāng)成唯一變量。固定模式、固定機(jī)器、固定輸入的字符構(gòu)成只改長(zhǎng)度每一檔跑多輪取中位數(shù)。下面這張表是 2026-10-25 在本機(jī)跑出來(lái)的結(jié)果模式是一條用于校驗(yàn)「整段只由同一種字符組成」的表達(dá)式輸入是本地合成的字符串末尾多加一個(gè)不屬于該類(lèi)字符的符號(hào)使它必然匹配失敗。連續(xù)字符個(gè)數(shù) n平均耗時(shí)毫秒相對(duì)上一檔140.38—161.49×3.9185.83×3.92021.80×3.72282.94×3.8上表為本機(jī)實(shí)測(cè)CPython 3.13 macOS輸入全部是本地合成的字符串不指向任何在線服務(wù)數(shù)值隨機(jī)器變化倍數(shù)關(guān)系不變。讀這張表別讀毫秒讀最后一列。四檔的比值都落在 3.7 到 3.9 之間非常穩(wěn)定每加 2 個(gè)字符耗時(shí)乘 4。也就是說(shuō)每加 1 個(gè)字符耗時(shí)大約乘 2。下面這段是把測(cè)法固化成腳本的骨架模式和輸入都從腳本外部給。表里那五個(gè)數(shù)值就是照這套邏輯跑出來(lái)的腳本本身沒(méi)有再逐字復(fù)跑所以按規(guī)矩標(biāo)了待驗(yàn)證。??代碼待驗(yàn)證importos,re,time,statistics PATTERNre.compile(os.environ[RE_PATTERN])# 待測(cè)的那一條從本地配置讀INPUTS[l.rstrip(\n)forlinopen(os.environ[RE_INPUTS])]defmeasure(text,rounds9):samples[]for_inrange(rounds):t0time.perf_counter()PATTERN.search(text)samples.append((time.perf_counter()-t0)*1000)returnstatistics.median(samples)fortextinINPUTS:print(flen{len(text):3}median{measure(text):9.3f}ms)1.3 該記住的不是毫秒是倍數(shù)毫秒數(shù)最不可遷移。同一段代碼在同事的筆記本上可能快五倍在容器里可能慢三倍——CPU 型號(hào)、主頻、是否有別的進(jìn)程在搶全都在動(dòng)。拿本文的 82.94 毫秒去和別人對(duì)賬沒(méi)有意義。有意義的是那個(gè)比值。它描述的是「耗時(shí)會(huì)怎么隨輸入長(zhǎng)度變化」這是一個(gè)形態(tài)不是一次測(cè)量。形態(tài)由寫(xiě)法決定不由機(jī)器決定。所以你在自己機(jī)器上測(cè)一遍只要看到「每加兩個(gè)字符乘 4」這個(gè)節(jié)奏就已經(jīng)能判定這條寫(xiě)法有問(wèn)題了不需要任何人的數(shù)值來(lái)背書(shū)。也正因?yàn)樗切螒B(tài)它才值得警惕從 n14 到 n22只多了 8 個(gè)字符耗時(shí)從 0.38 毫秒變成 82.94 毫秒差了約 218 倍。這不是「慢了一點(diǎn)」是兩種不同的東西。本章可以帶走的一句一條正則慢不慢不看它在短輸入上多快看它的耗時(shí)怎么隨長(zhǎng)度變。二、回溯是什么匹配失敗之后引擎還得回頭2.1 匹配不是看一眼是一路做選擇正則引擎讀你的模式從左到右一個(gè)字符一個(gè)字符地對(duì)。凡是遇到量詞它就要做一個(gè)決定這一個(gè)「重復(fù)」我到底重復(fù)幾次把它想成走迷宮。你站在入口前面每個(gè)岔口都要選一條路。選對(duì)了繼續(xù)往前選錯(cuò)了走到底發(fā)現(xiàn)是死胡同就得退回到最近的那個(gè)岔口換另一條路再走一次。這個(gè)「退回去、換條路」的動(dòng)作就是回溯。關(guān)鍵在于引擎在走的時(shí)候并不知道哪條路是對(duì)的它只能靠試。所以「重復(fù)幾次」這個(gè)決定不是一次定下來(lái)的而是邊走邊改。??代碼待驗(yàn)證模式允許把一段字符切成若干段每段至少一個(gè) 切法一 → 走到底 → 不通 → 退回 切法二 → 走到底 → 不通 → 退回 切法三 → …… 一次「退回」 一次回溯 走法有多少種退回就可能有多少次2.2 失敗的時(shí)候引擎要把做過(guò)的選擇全部重走一遍這就解釋了一件很多人沒(méi)想通的事為什么最慢的情況恰恰是「這條輸入不該被通過(guò)」的時(shí)候。如果輸入能匹配引擎走到某個(gè)位置發(fā)現(xiàn)「成了」就可以收工。但如果輸入注定不匹配引擎必須把所有可能的路都走完才敢下結(jié)論說(shuō)「不匹配」。回溯型引擎在這里的代價(jià)是它要把已經(jīng)做過(guò)的選擇重新走一遍而這些失敗路徑的數(shù)量可以隨輸入長(zhǎng)度指數(shù)增長(zhǎng)。Python 的re、Perl、PCRE、Java 的java.util.regex都屬于這一類(lèi)。這句話的分量在于這是回溯的本質(zhì)代價(jià)不是 bug升級(jí)依賴(lài)、換小版本、加編譯緩存都不會(huì)改變它。2.3 指數(shù)是從「有多少種走法」里長(zhǎng)出來(lái)的指數(shù)不是玄學(xué)它可以數(shù)出來(lái)。假設(shè)輸入是 n 個(gè)一模一樣的字符而你的模式允許「把這一段切成若干段、每段至少一個(gè)」那么切法有多少種連續(xù)字符個(gè)數(shù) n所有可能的分段方式數(shù)量相對(duì)上一檔48—105126414819216181310721622209715216每一檔加 4 個(gè)字符數(shù)量乘 16——也就是每加 1 個(gè)字符乘 2每加 2 個(gè)字符乘 4。這和第一章那張計(jì)時(shí)表最后一列的 3.7 到 3.9是同一件事的兩種說(shuō)法一邊是「有多少種走法」一邊是「要花多少時(shí)間」。引擎不會(huì)把每一種走法都完整走完它剪掉一部分明顯重復(fù)的分支所以真實(shí)耗時(shí)不會(huì)精確等于上表的行數(shù)但量級(jí)關(guān)系對(duì)得上。本章可以帶走的一句慢的不是匹配是匹配失敗之后那趟回頭路。三、三種放大器什么樣的寫(xiě)法會(huì)把回頭路變多3.1 嵌套量詞同一段字符被反復(fù)重新切分第一種形態(tài)是量詞套著量詞。具體說(shuō)一個(gè)分組本身用「一個(gè)或多個(gè)」修飾這個(gè)分組整體外面又套了一層「一個(gè)或多個(gè)」。寫(xiě)成抽象的形態(tài)就是這樣??代碼待驗(yàn)證( X )這里必須說(shuō)清楚上面這行只是形態(tài)示意不作為可直接使用的模式。它想表達(dá)的只有一件事——外層每選一種分法內(nèi)層就得把同一段字符重新切一遍同一批字符被數(shù)了很多次。你自己代碼里真正長(zhǎng)什么樣要看你的分組和字符集本文不給任何可以直接拿去用的完整寫(xiě)法。識(shí)別方法很簡(jiǎn)單在正則里找「右括號(hào)后緊跟量詞、而括號(hào)內(nèi)部本身也以量詞結(jié)尾」的位置。看到這種結(jié)構(gòu)先假設(shè)它有問(wèn)題再去測(cè)。3.2 相鄰的重疊分支兩條路通向同一個(gè)地方第二種形態(tài)是分支之間能匹配同一段字符。(A|B)這樣的選擇結(jié)構(gòu)里如果 A 和 B 能吃掉同一批字符——比如一個(gè)是另一個(gè)的前綴或者兩者的字符范圍有交集——那么對(duì)同一段輸入引擎就有兩條路可走。匹配失敗的時(shí)候兩條路都得試如果這個(gè)分支后面還跟著量詞那么每一條路的每種長(zhǎng)度組合都要各試一遍。這種形態(tài)更隱蔽因?yàn)樗雌饋?lái)「很正常」誰(shuí)寫(xiě)校驗(yàn)規(guī)則沒(méi)寫(xiě)過(guò)幾個(gè)備選分支呢問(wèn)題不在有分支而在分支之間有重疊且分支后面還有量詞在放大它。判斷方法把每個(gè)分支能接受的字符集合寫(xiě)出來(lái)看有沒(méi)有交集。有交集且分支之后還跟著量詞就歸到這一類(lèi)。3.3 無(wú)錨點(diǎn)全掃每個(gè)起點(diǎn)都當(dāng)一次開(kāi)頭第三種形態(tài)跟模式本身無(wú)關(guān)跟你怎么調(diào)用有關(guān)。如果一條用于「整段校驗(yàn)」的正則沒(méi)有寫(xiě)起點(diǎn)錨定而調(diào)用時(shí)用的又是「在字符串里找一處匹配」的接口那么引擎會(huì)把每一個(gè)字符位置都當(dāng)成一次新的開(kāi)頭各試一遍。輸入長(zhǎng) n就等于把前面的代價(jià)乘上 n。這一條的放大倍數(shù)最溫和——只是線性的一倍——但它最容易和前面兩種疊在一起。一個(gè)沒(méi)有錨定的、帶嵌套量詞的校驗(yàn)代價(jià)是「每個(gè)起點(diǎn) × 每條回頭路」兩者相乘。形態(tài)在代碼里怎么認(rèn)描述不給可用寫(xiě)法放大的是什么一句話識(shí)別嵌套量詞分組內(nèi)部以量詞結(jié)尾右括號(hào)外又跟一個(gè)量詞同一段字符的切分次數(shù)重復(fù)的重復(fù)重疊分支兩個(gè)分支的字符集有交集分支后還跟著量詞每個(gè)位置的可選路徑數(shù)兩條路走同一段無(wú)錨點(diǎn)全掃做整段校驗(yàn)卻沒(méi)有起點(diǎn)錨定且用「找一處」的接口起點(diǎn)數(shù)量每個(gè)位置都當(dāng)開(kāi)頭本章可以帶走的一句三種形態(tài)單獨(dú)看都只是「倍數(shù)」疊在一起才是指數(shù)。四、為什么換個(gè)語(yǔ)言就沒(méi)事兩條不同的技術(shù)路線4.1 走回頭路和不走回頭路正則的實(shí)現(xiàn)有兩條路線。一條是回溯型引擎維護(hù)一個(gè)「選擇?！棺卟煌ň蛷棗Ｖ卦嚒erl、PCRE、Python 的re、Java 的java.util.regex都是這一路。它的優(yōu)點(diǎn)是表達(dá)能力強(qiáng)、貼著人的直覺(jué)走代價(jià)就是上一章講的回頭路。另一條是自動(dòng)機(jī)型把模式編譯成一個(gè)狀態(tài)機(jī)一次掃過(guò)去不保留「回頭重選」的機(jī)制。RE2 就屬于這一路。RE2 官方對(duì)自己的定位是把自己放在「backtracking regular expression engines like those used in PCRE, Perl, and Python」的對(duì)立面——它明確承認(rèn)自己說(shuō)的是另一條路線不是同一件事的更快版本。4.2 Go 那句線性承諾值得逐字讀Go 的regexp包文檔里有一句很硬的話The regexp implementation provided by this package is guaranteed to run in time linear in the size of the input.逐字摳一下guaranteed——是保證不是「通?！筶inear——線性in the size of the input——相對(duì)于輸入規(guī)模。合起來(lái)的意思是輸入翻倍耗時(shí)最多翻個(gè)常數(shù)倍不會(huì)出現(xiàn)第一章那種「每加兩個(gè)字符乘 4」。注意它沒(méi)承諾什么。它沒(méi)承諾更快也沒(méi)承諾所有模式都能寫(xiě)。它承諾的是可預(yù)測(cè)。這個(gè)區(qū)別很重要如果你正在排查的是一個(gè)偶發(fā)的、無(wú)法復(fù)現(xiàn)的超時(shí)你要的恰恰是可預(yù)測(cè)而不是平均快 30%。??代碼待驗(yàn)證python3-cimport re,sys; print(sys.version); print(re.__file__)# 看 Python 這一側(cè)go version# 看 Go 這一側(cè)go doc regexp|head-n20# 線性承諾那句就在這份文檔里實(shí)現(xiàn)路線復(fù)雜度形態(tài)本文依據(jù)Pythonre回溯型失敗路徑可隨長(zhǎng)度指數(shù)增長(zhǎng)RE-03Perl / PCRE回溯型同上RE-03、RE-05Javajava.util.regex回溯型同上RE-03Goregexp自動(dòng)機(jī)型RE2 系線性承諾RE-04、RE-05JavaScript 引擎本文不展開(kāi)各引擎實(shí)現(xiàn)與版本差異需自行核對(duì)RE-11待驗(yàn)證4.3 換語(yǔ)言看起來(lái)解決了其實(shí)只是換了個(gè)位置有人會(huì)想那我用 Go 寫(xiě)這個(gè)服務(wù)不就行了?？梢缘銚Q的不是一行代碼是整條技術(shù)棧。更常見(jiàn)的情況是同一個(gè)校驗(yàn)規(guī)則Python 的老服務(wù)里有一份Go 的新網(wǎng)關(guān)里有一份兩邊行為不一樣出問(wèn)題的時(shí)候你在 Go 那邊怎么都復(fù)現(xiàn)不出來(lái)因?yàn)閱?wèn)題在 Python 那邊。所以「換引擎」是架構(gòu)決策不是寫(xiě)法技巧。本章可以帶走的一句線性引擎買(mǎi)到的是可預(yù)測(cè)不是更快換引擎是改架構(gòu)不是改寫(xiě)法。五、怎么在自己機(jī)器上判定一張長(zhǎng)度與耗時(shí)的表5.1 測(cè)法只改長(zhǎng)度別的都不動(dòng)這套測(cè)法只有四條紀(jì)律。固定模式一次只測(cè)一條別把好幾條拼在一個(gè)腳本里跑。固定輸入的字符構(gòu)成——第三章講過(guò)形態(tài)是由「字符怎么重復(fù)」決定的所以除長(zhǎng)度外每檔輸入應(yīng)當(dāng)完全同構(gòu)。每檔跑多輪取中位數(shù)時(shí)鐘精度、垃圾回收、調(diào)度抖動(dòng)都會(huì)給你離群值。最后不要在共享機(jī)器上測(cè)更不要在線上服務(wù)上測(cè)你要的是這條正則的形態(tài)不是這臺(tái)機(jī)器此刻的負(fù)載。把第一章那段腳本的輸入長(zhǎng)度依次取 10、20、40、80別的都不動(dòng)你會(huì)拿到四行數(shù)字。接下來(lái)是判讀。5.2 判讀看第二次翻倍的倍數(shù)有沒(méi)有繼續(xù)變大長(zhǎng)度翻倍后的耗時(shí)倍數(shù)大致形態(tài)要不要管約 ×2線性通常不用管約 ×4且再翻一倍仍是 ×4平方要管長(zhǎng)輸入會(huì)明顯拖慢倍數(shù)本身還在隨長(zhǎng)度變大指數(shù)形態(tài)必須先限長(zhǎng)再改寫(xiě)忽高忽低、沒(méi)有規(guī)律測(cè)法有問(wèn)題或被別的負(fù)載干擾先修測(cè)法別下結(jié)論平方和指數(shù)的區(qū)別就在第二列和第三列之間平方的倍數(shù)是個(gè)常數(shù)翻一倍總是 ×4指數(shù)的倍數(shù)是「越翻越大」。區(qū)分它們的辦法很簡(jiǎn)單——多做一次翻倍。只翻一次兩者看起來(lái)一模一樣翻兩次答案就出來(lái)了。還有一個(gè)容易誤判的點(diǎn)如果四行數(shù)字都很快也別急著下結(jié)論?？赡苣氵x的輸入沒(méi)有讓匹配失敗全程走的是快路徑。校驗(yàn)類(lèi)正則的問(wèn)題幾乎都藏在「不通過(guò)」的那一側(cè)。5.3 三個(gè)會(huì)讓你白忙一場(chǎng)的坑一是輸入沒(méi)構(gòu)造對(duì)。同一段文本結(jié)尾多一個(gè)字符和少一個(gè)字符走的可能是完全不同的路徑。二是只測(cè)一次。單次測(cè)量里混著進(jìn)程啟動(dòng)、模塊導(dǎo)入、緩存預(yù)熱你測(cè)到的是環(huán)境不是正則。三是用了帶結(jié)果緩存的框架去測(cè)第二次調(diào)用直接命中緩存你會(huì)得到一條漂亮但虛假的直線。這三條避開(kāi)你得到的形態(tài)結(jié)論才有意義。本章可以帶走的一句你不需要讀引擎源碼只需要一張長(zhǎng)度與耗時(shí)的表。完整版對(duì)照資料本文把「長(zhǎng)度與耗時(shí)」的測(cè)法、判讀表、三種形態(tài)的識(shí)別要點(diǎn)整理成了一頁(yè)速查和本章這套判定流程是同一份東西的濃縮版。放在資料包里掃碼即可獲取六、改法每一條都有代價(jià)沒(méi)有免費(fèi)的6.1 最便宜的兩步限長(zhǎng)然后加錨點(diǎn)第一步是限長(zhǎng)。這件事必須在正則之前做先判斷長(zhǎng)度超了直接拒根本不讓它進(jìn)正則。如果順序反了你連「這段輸入有多長(zhǎng)」這件事都要花在匹配里限長(zhǎng)就白限了。第二步是加錨點(diǎn)。做整段校驗(yàn)的正則就該用「整段匹配」的語(yǔ)義而不是「在字符串里找一處」。錨點(diǎn)讓起點(diǎn)唯一第三章里那個(gè)「每個(gè)位置都當(dāng)一次開(kāi)頭」的放大器就直接沒(méi)了。兩件事都有代價(jià)。限長(zhǎng)要你定一個(gè)業(yè)務(wù)上限——備注到底是 500 字還是 5000 字這是產(chǎn)品決策技術(shù)側(cè)替不了你。加錨點(diǎn)會(huì)改變語(yǔ)義原來(lái)「文本里包含一段符合規(guī)則的內(nèi)容」就通過(guò)現(xiàn)在變成「整段都符合才通過(guò)」上線前必須把正例、反例、邊界值全部重跑一遍。下面是一個(gè)把順序擺對(duì)的寫(xiě)法長(zhǎng)度檢查在前正則在后??代碼待驗(yàn)證MAX_LEN500defvalidate_note(text:str)-bool:iftextisNone:returnFalseiflen(text)MAX_LEN:# 先卡長(zhǎng)度最便宜的一道returnFalseifnottext.isascii():# 再做字符集層面的粗篩returnFalsereturnPATTERN.fullmatch(text)isnotNone# 最后才是結(jié)構(gòu)性校驗(yàn)6.2 拆平嵌套改掉重疊分支嵌套量詞的改法是把「重復(fù)的重復(fù)」拍平成「一次重復(fù) 明確的字符集」。原來(lái)靠分組表達(dá)的結(jié)構(gòu)改成用字符類(lèi)和定長(zhǎng)結(jié)構(gòu)表達(dá)讓同一段字符只有一種切分方式。重疊分支的改法有兩種一是把分支改成互斥的調(diào)整字符范圍讓兩者不可能同時(shí)匹配同一段二是調(diào)整分支順序并配合錨定讓引擎盡早排除掉不可能的路。前者更徹底后者改動(dòng)更小。代價(jià)是等價(jià)性。任何改寫(xiě)都會(huì)引入「原來(lái)能過(guò)、現(xiàn)在過(guò)不了」或者反過(guò)來(lái)的風(fēng)險(xiǎn)。所以改寫(xiě)之后必須做一件事把這條規(guī)則曾經(jīng)拒絕過(guò)的真實(shí)樣本脫敏后的、曾經(jīng)通過(guò)的真實(shí)樣本各挑一批重跑。沒(méi)有這批樣本你不知道自己改的是性能還是語(yǔ)義。6.3 換引擎、上原子組、加超時(shí)各自代價(jià)不同占有量詞和原子組是 PCRE 系提供的能力它告訴引擎「這一段一旦匹配上就別再回頭改主意了」。這直接把回頭路砍掉但語(yǔ)義也變了——原本靠回溯才能匹配到的輸入改寫(xiě)后可能匹配不上而且不是每種語(yǔ)言都有這個(gè)語(yǔ)法跨語(yǔ)言遷移時(shí)要注意。換線性引擎是最徹底的一條代價(jià)也最大模式語(yǔ)法是另一個(gè)集合要逐條核對(duì)而且第四章說(shuō)過(guò)你換的是技術(shù)棧不是一行代碼。加超時(shí)最容易做也最容易騙自己。它只是止損超時(shí)之后請(qǐng)求會(huì)失敗業(yè)務(wù)側(cè)必須能處理這種失敗否則你只是把「一直轉(zhuǎn)圈」換成了「轉(zhuǎn)一會(huì)兒就失敗」它不是修復(fù)。另外一件事必須標(biāo)清楚各語(yǔ)言引擎回溯上限的默認(rèn)值屬于本文的待驗(yàn)證項(xiàng)RE-11本文不引用任何具體數(shù)值。要在自己的環(huán)境里確認(rèn)只能按你所用的那個(gè)實(shí)現(xiàn)的文檔核對(duì)別照抄別人的數(shù)字。手段改什么代價(jià)什么時(shí)候不該用限長(zhǎng)在正則之前卡長(zhǎng)度要定業(yè)務(wù)上限輸入本身必須完整保留時(shí)加錨點(diǎn)把「找一處」改成「整段」語(yǔ)義變化要重跑用例業(yè)務(wù)確實(shí)是「包含即通過(guò)」拆平嵌套改變分組與量詞結(jié)構(gòu)等價(jià)性風(fēng)險(xiǎn)缺真實(shí)樣本可回歸時(shí)原子組 / 占有量詞禁止回溯語(yǔ)義變化且非所有語(yǔ)言支持需要跨語(yǔ)言復(fù)用同一條模式換線性引擎換實(shí)現(xiàn)語(yǔ)法子集不同遷移成本高只是給老服務(wù)打補(bǔ)丁時(shí)加超時(shí)加一層時(shí)限只止損不修復(fù)把它當(dāng)成最終方案時(shí)本章可以帶走的一句所有改法都是拿語(yǔ)義或架構(gòu)上的讓步換一份可預(yù)測(cè)的耗時(shí)。七、把它放進(jìn)校驗(yàn)流程的哪一步7.1 四道閘的順序不能亂一條輸入從進(jìn)來(lái)到被使用按理要過(guò)四道閘順序是有講究的長(zhǎng)度與體積上限——用最便宜的方式擋掉大部分異常輸入編碼與字符集粗篩——只允許該字段該有的字符類(lèi)別結(jié)構(gòu)與格式校驗(yàn)——也就是正則該待的地方業(yè)務(wù)規(guī)則——唯一性、頻率、狀態(tài)合法性。第一章那個(gè)場(chǎng)景的問(wèn)題本質(zhì)上是把第 3 道閘放在了第 1 道前面正則成了第一個(gè)接觸原始輸入的東西于是一段很長(zhǎng)的、注定不通過(guò)的文本把全部算力都花在了「證明它不通過(guò)」上。還有一個(gè)常被忽略的點(diǎn)入口不止表單。JSON 請(qǐng)求體里的字段、上傳文件的文件名、請(qǐng)求頭里的自定義字段、日志解析、批量導(dǎo)入的每一行、消息隊(duì)列里的消息體——每一個(gè)都是原始輸入的入口。你只在表單那一處加了限長(zhǎng)別的入口照樣能把長(zhǎng)輸入送進(jìn)來(lái)。7.2 給每條正則留一份可審的記錄正則寫(xiě)在一行里看不出成本所以它需要一份額外記錄至少六欄模式、用途、允許的輸入上限、有沒(méi)有錨定、有沒(méi)有嵌套量詞或重疊分支、最近一次復(fù)測(cè)的結(jié)論與日期。這份記錄的價(jià)值不在當(dāng)下而在半年后有人要改這條規(guī)則的時(shí)候——他能看見(jiàn)「這條測(cè)過(guò)當(dāng)時(shí)是平方形態(tài)靠限長(zhǎng)兜住的」而不是只看到一行注釋然后照著感覺(jué)改。7.3 邊界這套方法管什么、不管什么它管的是寫(xiě)法層面的耗時(shí)形態(tài)怎么測(cè)、怎么讀表、怎么改、改在哪一步全部在你自己的機(jī)器和你自己的代碼上完成。它不管「怎么去驗(yàn)證某個(gè)具體服務(wù)扛不扛得住」這類(lèi)問(wèn)題本文所有計(jì)時(shí)都在本機(jī)用合成字符串完成不給針對(duì)具體服務(wù)的驗(yàn)證方法也不給可以直接拿去用的完整模式與配套輸入。這類(lèi)驗(yàn)證只要換一個(gè)目標(biāo)性質(zhì)就完全不同了。本章可以帶走的一句正則不該是第一個(gè)接觸原始輸入的東西。完整版對(duì)照資料本文第七章這套「四道閘 一條正則一份記錄」的落地清單已經(jīng)整理成可直接照著填的表格和本章的順序設(shè)計(jì)一一對(duì)應(yīng)。放在資料包里掃碼即可獲取附表 A本文引用事實(shí)與官方出處對(duì)照表序號(hào)事實(shí)出處核驗(yàn)日期本文位置1計(jì)時(shí)環(huán)境為 CPython 3.13 macOS本機(jī)實(shí)測(cè)RE-012026-10-25第一章 1.22n14/16/18/20/22 對(duì)應(yīng) 0.38 / 1.49 / 5.83 / 21.80 / 82.94 毫秒RE-012026-10-25第一章 1.23相鄰兩檔的相對(duì)倍數(shù)落在 3.7 至 3.9 之間RE-012026-10-25第一章 1.24每加 2 個(gè)字符約乘 4即每加 1 個(gè)字符約乘 2RE-012026-10-25第一章 1.2、1.35計(jì)時(shí)輸入為本地合成字符串不指向任何在線服務(wù)RE-012026-10-25第一章 1.26計(jì)時(shí)反映復(fù)雜度形態(tài)而非絕對(duì)速度換機(jī)器數(shù)值會(huì)變、倍數(shù)關(guān)系不變RE-022026-10-25第一章 1.37回溯型引擎包括 Perl、PCRE、Pythonre、Javajava.util.regexRE-032026-10-25第二章 2.2、第四章 4.18匹配失敗時(shí)引擎需把已做過(guò)的選擇重新走一遍RE-032026-10-25第二章 2.29失敗路徑數(shù)量可隨輸入長(zhǎng)度指數(shù)增長(zhǎng)RE-032026-10-25第二章 2.210上述代價(jià)是回溯的本質(zhì)不是 bugRE-032026-10-25第二章 2.211放大器之一量詞套量詞內(nèi)層重復(fù)被外層再重復(fù)一遍RE-062026-10-25第三章 3.112放大器之二兩個(gè)分支能匹配同一段字符失敗時(shí)任一條路都要試RE-062026-10-25第三章 3.213放大器之三沒(méi)有起點(diǎn)錨定每個(gè)位置都要試一遍RE-062026-10-25第三章 3.314Goregexp文檔承諾運(yùn)行時(shí)間相對(duì)輸入規(guī)模線性RE-042026-10-25第四章 4.215該線性來(lái)自自動(dòng)機(jī)路線不做回溯RE-042026-10-25第四章 4.216RE2 把自己定位為與 PCRE、Perl、Python 那類(lèi)回溯引擎相對(duì)的另一條路線RE-052026-10-25第四章 4.117判定閾值輸入長(zhǎng)度翻倍時(shí)耗時(shí)是否接近翻 4 倍或更多RE-072026-10-25第五章 5.218緩解手段加錨點(diǎn)、拆平嵌套、限長(zhǎng)、把校驗(yàn)挪到長(zhǎng)度檢查之后RE-082026-10-25第六章 6.1、6.219緩解手段占有量詞 / 原子組PCRE 系RE-082026-10-25第六章 6.320緩解手段換線性引擎RE2 系實(shí)現(xiàn)RE-082026-10-25第六章 6.321各語(yǔ)言引擎回溯上限的默認(rèn)值待驗(yàn)證本文不引用具體數(shù)值RE-112026-10-25第六章 6.3附表 B術(shù)語(yǔ)速查表術(shù)語(yǔ)一句話解釋回溯引擎走不通時(shí)退回上一個(gè)選擇點(diǎn)、換一條路重試的動(dòng)作回溯型引擎靠維護(hù)選擇棧來(lái)匹配的實(shí)現(xiàn)失敗時(shí)要走完所有失敗路徑自動(dòng)機(jī)引擎把模式編譯成狀態(tài)機(jī)、一次掃過(guò)、不回頭重選的實(shí)現(xiàn)嵌套量詞分組內(nèi)部以量詞結(jié)尾、分組外又套一個(gè)量詞的結(jié)構(gòu)重疊分支兩個(gè)分支能匹配同一段字符因而對(duì)同一輸入存在多條路徑錨點(diǎn)聲明匹配只能從字符串開(kāi)頭或結(jié)尾開(kāi)始的符號(hào)原子組 / 占有量詞告訴引擎這一段匹配后不再回頭改主意的語(yǔ)法PCRE 系提供線性時(shí)間耗時(shí)與輸入規(guī)模成正比翻倍只帶來(lái)常數(shù)倍增長(zhǎng)中位數(shù)多輪測(cè)量里排在中間的那個(gè)值比平均值更抗離群點(diǎn)待驗(yàn)證項(xiàng)本批未取得官方原文、因而在正文中只標(biāo)注不引用具體數(shù)值的條目寫(xiě)在最后這篇用到的資料寫(xiě)這篇文章時(shí)我把同一段計(jì)時(shí)反復(fù)跑了幾遍確認(rèn)真正穩(wěn)定的不是毫秒數(shù)而是最后一列的倍數(shù)順手把測(cè)法和判讀表做成了一張能直接填的紙也整理了幾份配套的東西靶場(chǎng)環(huán)境對(duì)照表DVWA、upload-labs 在 Windows / macOS / Linux 三平臺(tái)的可行性與推薦路徑Web 安全學(xué)習(xí)路線圖從基礎(chǔ)打牢到安全管理四個(gè)階段各學(xué)什么常用靶場(chǎng)清單每個(gè)靶場(chǎng)練什么、適合哪個(gè)階段資料是我自己整理的放在下面這個(gè)碼上掃碼即可獲取添加時(shí)備注「靶場(chǎng)」優(yōu)先通過(guò)。拿到之后建議先看環(huán)境對(duì)照表那一份先把「自己的正則跑在哪條引擎路線上」這件事確認(rèn)下來(lái)再回頭改寫(xiě)法。