TPerlRegEx - stack overflow
Hallo zusammen.:)
Da dies mein erstes Posting hier ist, zunächst mal eine ganz kurze Vorstellung. Ich bin 44 Jahre alt, männlich und Programmierknecht. Zur Zeit stelle ich eine über Jahre gewachsene Klassenbibliothek zur Verarbeitung von Swiftnachrichten von Delphi 2007 nach XE um. Hier hatte ich einige erhellenden Momente im Zusammenhang mit Unicode, welche ich aber soweit in den Griff bekommen habe. :wink: Nur die TPerlRegEx-Klasse macht mir da im Moment noch Probleme. Zuvor habe ich den selben pcre-Unterbau von pcre.org mit einem anderen Wrapper verwendet. Also: Folgender String {4: :16R:XYZ :20C:ABC usw. mit insgesamt 482 Zeilen. Am Ende dann: -} Matchen soll sich das mit ({4:\r\n(?:[^\r\n]*\r\n)*-}) Der Teil-Ausdruck (?:[^\r\n]*\r\n)* führt zu einem stack overflow. Finde ich bei lümmeligen 482 Zeile etwas merkwürdig. Mit PCRE 5.x hat das auch jahrelang wunderbar geklappt. Jemand dazu eine Idee? Vielleicht auch, wie man die Stacksize erhöhen könnte? Vielen Dank und viele Grüße |
AW: TPerlRegEx - stack overflow
Willkommen in der DP :dp:
Ich kenne mich mit dem Wrapper und PCRE-Interna nicht aus, aber könnte es daran liegen, dass Unicode-Strings doppelt so viele Bytes pro Zeichen haben wie Ansi-Strings und daher doppelt so viel Platz auf dem Stack benötigt wird? Die Größe des Stack kann man bei Delphi in den Projekt-Optionen unter Linker einstellen (jedenfalls bei Delphi 2006, bei XE ist der Build-Prozess ja etwas anders). Oder könnte es sein, dass der neue Wrapper standardmäßig non-greedy statt greedy (oder umgekert?) matcht? Ich sehe zwar auf den ersten Blick nicht, wo das bei diesem Ausdruck einen Unterschied machen sollte, aber wie gesagt kenne ich mich mit den PCRE-Interna nicht aus. Vielleicht einfach mal ausprobieren... |
AW: TPerlRegEx - stack overflow
PCRE gibt es nur für ANSI. (Unicode wird als UTF-8 behandelt).
Es wird hier das originale PCRE von Philip Hazel als *.obj ins Delphi gelinkt. (unter Mac über eine DLL) Also genau das Selbe, was man in C#, PHP und Co. finden kann. In Delphi wird daher das Unicode in UTF-8 umgewandelt, also nix mit 2 Byte pro Char, aber ansonsten ist da nix Besonderes dran. Nur Unicode-UTF8-Konvertierungen und alles in eine Klasse verpackt, aber am Ende nur der originale C++-Code. Welche Delphi-Edition nutzt du denn genau? Falls nicht grade die "Starter", dann aktiviere in den Prokjektoptionen mal die DebugDCUs. Wie sieht der Stacktrace aus? Und knallt es genau? Ein Testprojekt hast du nicht zufällig für uns? |
AW: TPerlRegEx - stack overflow
Bin gerade nicht im Büro :wink:. Auf jeden Fall ist es keine Starter Edition.
Ich habe mir einen Wrapper für den Wrapper geschrieben, damit ich die Orginalsourcen meiner Bibliothek (etwa 15000 Codezeilen) nicht anfassen muss. Diese arbeitet weiterhin mit string, der ja UTF16-codiert ist. Problem war nur die Umwandlung der Matchpositionen von UTF8 nach UTF16. Ein €-Zeichen hat beispielsweise 3 Byte in UTF8 und ein Char (2Byte) in UTF16. Das läuft auch alles prima, solange die zu matchenden Nachrichten nicht zu lang werden. Mein Problem kann man auch ganz einfach mit der originalen TPerlRegEx nachstellen, also losgelöst von meinem Code. Es knallt dann direkt beim Aufruf von pcre_exec in TPerlRegEx.Match. Geliefert wird ein EStackOverflow. ({4:\r\n(?:[^\r\n]*\r\n)*-}) Der Teilausdruck in der Mitte muss ja von pcre_exec intern immer wieder pro Zeile durchgeackert werden. Und irgendwo bei 300 Zeilen (genaue Zahl habe ich jetzt nicht da) ist dann einfach Schluss und die Exception wird ausgeworfen. In meinem Delphi-2007-Wrapper um pcre.obj ist das nicht der Fall. Entweder ich muss den Ausdruck anfassen, was dann bedeutet, dass ich unter Umständen eine Menge solcher Gefahrenstellen in der Bibliothek habe. Oder es gelingt irgendwie, die Stackgröße zu erhöhen. Auf pcre.org wird das Thema zwar durchgekaut, allerdings gelingt es mir bisher nicht, dass mit Delphi zu verheiraten. Wie soll so ein Beispielprojekt aussehen? Könnte ich dann morgen sicherlich noch liefern. |
AW: TPerlRegEx - stack overflow
Ich kann mich erinnern, daß wir vor Jahren mal ein ähnliches Problem mit TPerlRegEx hatten, das mangels Pascal-Sourcen weder zu debuggen, noch zu beheben war. Die (zumindest damalige) Implementation der RegEx-Enhine war stark rekursiv und brachte bei bestimmten Eingabedateien einen StackOverflow.
Die damalige Lösung bestand darin, auf TPerlRegEx zu verzichten und einen nicht-rekursiven, handgeschriebenen Parser zu verwenden. War auch um Klassen performanter und ließ sich wesentlich besser debuggen. |
AW: TPerlRegEx - stack overflow
Liste der Anhänge anzeigen (Anzahl: 1)
Vielen Dank für die bisherigen Anworten.
Einen eigenen Parser zu schreiben, wäre hier viel zu aufwändig. Das Ganze ist ja bereits ein Parser für Swiftnachrichten auf der Basis von regulären Ausdrücken. In der Tat ist TPerlRegEx ungefähr halb so schnell, wie mein alter Wrapper. Insgesamt ist die Performance aber zufriedenstellend. :) Hier dann mal ein Beispielcode:
Code:
Es knallt bei re.match.
var re : TPerlRegEx;
teststr : UTF8String; l1 : integer; begin try re := TPerlRegEx.create; re.Options := [precaseless]; re.State := []; re.RegEx := '({4:\r\n(?:[^\r\n]*\r\n)*-})'; re.Compile; // Nun Beispielstring mit Inhalt // {4: // :00X:ABCDEFB0123456789 // :00X:ABCDEFB0123456789 // :00X:ABCDEFB0123456789 // :00X:ABCDEFB0123456789 // ... // -} // zusammenbauen TestStr := '{4:'+chr(13)+chr(10); for l1 := 1 to 500 do TestStr := TestStr + ':00X:ABCDEFB0123456789' +chr(13)+chr(10); TestStr := TestStr + '-}'; re.Subject := TestStr; re.Match; { TODO -oUser -cConsole Main : Code hier einfügen } except on E: Exception do Writeln(E.ClassName, ': ', E.Message); end; ReadLn; end. Angehängt ist auch ein Beipielprojekt. Ist hoffentlich so korrekt. Delphi XE ist übrigens die Enterprise-Edition. Anhang 37052 |
AW: TPerlRegEx - stack overflow
Huch, bin etwas überrascht hier noch einen Delphi Programmierer anzutreffen der sich mit SWIFT-Messages herumschlagen muss. Wilkommen im Club :-D
Folgende RegEx funktioniert:
Code:
P.S: Falls du jemals mit deinem Job unzufrieden wirst. Unsere Firma sucht immer wieder mal Delphi-Programmiere mit SWIFT-Erfahrung. Melde dich einfach per PM bei mir falls du interessiert bist.
({4:\r\n(?:[^\r\n]*\r\n)*?-})
|
AW: TPerlRegEx - stack overflow
Zitat:
- Geschweifte Klammern haben in pcre eine spezielle Bedeutung (Quantifizierung) und müssen daher escaped werden, wenn man sie matchen möchte - Das Fragezeichen vor der Klammer ist auch fragwürdig, denn es ist ein Quantifizierer also ein Kürzel für {0,1} und ein vorhergehendes Char, Set oder Gruppe fehlt demnach Dieser Ausdruck würde die vorliegenden Daten richtig matchen:
Code:
PS: Reguläre Ausdrücke sind (richtig angewendet) in 99% aller Fälle schneller (weil sie direkt in Maschinencode übersetzt werden) als ein selbstgeschriebener Parser, eine bestimmte Komplexität an den zu matchenden Daten vorausgesetzt.
(\{4:\r\n(:\w{3}:.*\r\n)*-\})
|
AW: TPerlRegEx - stack overflow
Der reguläre Ausdruck hat schon viele fehlerfreie Jahre auf dem Buckel. :P
Macht halt eben Mucken nach der Portierung von 2007 nach XE. Also mit geschweiften Klammern hatte ich in pcre noch nie Probleme. Nur wenn daraus tatsächlich eine Quantifizierung entsteht. Dann ist ein \ angesagt. Werde den Einwand aber auf jeden Fall mal im Hinterkopf behalten. Noch ein Frage zu dem *? (was wirklich prima funktioniert. Danke !) Bedeutet dies, dass pcre bei nongreedy quantifiers immer nur einen Match auf den Stack legt? Derart ins Eingemachte bin ich da nie gegangen. |
AW: TPerlRegEx - stack overflow
@WladiD:
Ein auf eine geöffnete Klammer folgendes Fragezeichen markiert den Beginn eines Subpatterns und ist gültige PCRE-Syntax. Die geschweiften Klammern sollte man allerdings besser escapen. Abgesehen davon sollte ein selbstgeschriebener Parser eigentlich immer schneller sein als Regex, zumindest in einer kompilierenden Sprache wie Delphi. @liftoff: Hatte ich mit Greedy/Non-Greedy wohl doch den richtigen Riecher ;) Geht der String denn nach dem
Delphi-Quellcode:
noch weiter? Denn die Sub-Expression
-}
Delphi-Quellcode:
matcht ja auch auf Anfang und Ende eines solchen Konstrukts, d.h. die Engine geht immer erst mal bis zum Ende des Strings, weil ja immer noch ein
[^\r\n]*\r\n
Delphi-Quellcode:
folgen könnte; erst am Ende merkt sie dann, dass dort keines ist, und geht schrittweise zurück. Das könnte also, gerade in Kombination mit Sub-Patterns, die vielleicht rekursiv implementiert sind, die Ursache für den Überlauf sein.
-}
|
AW: TPerlRegEx - stack overflow
Ja, gutes Näschen. :wink:
Es folgt am Anfang der letzten Zeile immer ein '-}' Eine Swiftnachricht besteht aus mehreren Blöcken.
Code:
Der Block 4 (Textblock) muss immer mit '{4:'+Zeilenumbruch anfangen und mit Zeilenumbruch+'-}' enden.
{1:...}{2:...}{3:...}{4:
Nachrichteinhalt -}{5:} Blöcke 1+2 enthalten Adressinformationen (Absender+Empfänger), 3 Userinfos und 5 Checksummen und son Zeuchs. 1+3+5 sind optional. Ich habe eben auch noch einen anderen funktionierenden Konstrukt gebastelt
Code:
{4:\R(?:[[:ascii:]]+\R)+-}
|
AW: TPerlRegEx - stack overflow
So. Nach einigen Tests habe ich mich für die non-greedy Variante entschieden.
Performance liegt bei etwa 22000 Nachrichten/h, also parsen, zerlegen und strukturiert in der DB ablegen. Auf den produktiven Systeme geht das noch ne ganze Ecke flotter. Ist zwar langsamer als vorher, jedoch vollkommen zufriedenstellend. :-D Nun lass ich die Bibliothek auf die anderen Prozesse los. Dank Euch bis hierhin für die Hilfe. :thumb: @ele Bin sehr zufrieden mit meinem Arbeitgeber. Aber vielleicht kann man sich ja auf fachlicher Ebene ein wenig austauschen. Bei mir steht beispielweise demnächst die Erweiterung auf ISO20022 (XML) an. |
AW: TPerlRegEx - stack overflow
Zitat:
ich habe mit meinen RegEx Experten gesprochen. 8-) Er sagt, Deine RegEx sieht so aus, als hättest Du den Unterschied zwischen greedy und non-greedy nicht richtig verstanden, als Du diese Expression erstellt hast. Es sieht so aus, als wolltest Du das non-greedy manuell erzwingen. Das macht die RegEx nur unnötig kompliziert. Folgende Expression würde alles zwischen dem '{4:' und '-}' auswählen. Mit der non-greedy Option '?' die nach dem Wildcard '*' steht, wird das Ergebnis möglichst kurz gehalten.
Code:
'{4: bla bla bla bla -}{4: bla bla -}'
...
re.RegEx := '(\{4\:.*?-\})'; ... -> '{4: bla bla bla bla -}' wird ausgewählt
Code:
...
re.RegEx := '(\{4\:.*-\})'; // ohne ? -> greedy ... ohne ? -> greedy wird folgendes ausgewählt: '{4: bla bla bla bla -}{4: bla bla -}' Durch die Vereinfachung der RegEx ist es nicht nur einfacher zu lesen sondern es werden auch weniger rekursive Aufrufe nötig, also auch der Stack weniger beansprucht ;-) Ich hoffe das hilft Dir weiter. cu MaBuSE [edit] Obiges Beispiel funktioniert natürlich nur wenn die SingleLine Option aktiv ist. Nur dann steht der '.' auch für ein '/n'.
Delphi-Quellcode:
Habe ich ausprobiert funktioniert. :stupid:
...
// re.Options := [preCaseLess, preSingleLine]; // re.RegEx := '(\{4\:.*?-\})'; // alternativ kann man die Optionen auch in die RegEx schreiben: // '?' -> jetzt kommen Optionen -> 's' = SingleLine ; 'i' = CaseLess -> ':' = Optionen Ende re.Options := []; re.RegEx := '(?si:\{4\:.*?-\})'; ... [/edit] [edit] Beispiel:
Delphi-Quellcode:
[/edit]
unit Unit1;
interface uses Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms, Dialogs, StdCtrls; type TForm1 = class(TForm) Button1: TButton; Memo1: TMemo; procedure Button1Click(Sender: TObject); private { Private-Deklarationen } public { Public-Deklarationen } end; var Form1: TForm1; implementation uses RegularExpressionsCore; {$R *.dfm} procedure TForm1.Button1Click(Sender: TObject); var re : TPerlRegEx; teststr : UTF8String; l1 : integer; begin try re := TPerlRegEx.create; re.State := []; re.Options := []; re.RegEx := '(?si:\{4\:.*?-\})'; re.Compile; // Nun Beispielstring mit Inhalt // {4: // :00X:ABCDEFB0123456789 // :00X:ABCDEFB0123456789 // -} // ... // {4: // :00X:ABCDEFB0123456789 // :00X:ABCDEFB0123456789 // -} // zusammenbauen TestStr := '{4:'+chr(13)+chr(10); for l1 := 1 to 2 do begin TestStr := TestStr + ':00X:ABCDEFB0123456789' +chr(13)+chr(10); end; TestStr := TestStr + '-}'; TestStr := TestStr + TestStr + TestStr + TestStr; re.Subject := TestStr; if re.Match then begin Memo1.Lines.Add(re.MatchedText); Memo1.Lines.Add('-------------------'); while re.MatchAgain do begin Memo1.Lines.Add(re.MatchedText); Memo1.Lines.Add('-------------------'); end; end else begin Memo1.Lines.Add('Kein Treffer') end; except on E: Exception do Memo1.Lines.Add(E.ClassName+ ': '+ E.Message); end; end; end. |
AW: TPerlRegEx - stack overflow
Wow. Danke fur die ausführliche Untersuchung.:)
Ich möchte, dass sich das nur matcht, wenn die unter #11 beschriebenen Kriterien zutreffen. Also nach {4: ein Umbruch, danach Zeilen mit Egal plus Umbruch und danach eine letzte Zeile mit einem -} am Anfang. So ganz habe ich aber in der Tat den Zusammenhang mit dem Stack noch nicht ergründen können. |
AW: TPerlRegEx - stack overflow
Zitat:
Zitat:
Delphi-Quellcode:
re.RegEx := '(\{4\:/n.*?/n-\})';
Zitat:
Parameter von Prozeduren und Funktionen werden auf dem Stack gespeichertund nach dem Ende der Funktion wieder freigegeben. Bei einer Rekursion ruft sich eine Funktion selbst auf. Wenn eine Funktion sich z.B. 100 mal aufruft, dann wird auch 100 mal Stack für Parameter benötigt. Ich hoffe das hilft Dir weiter. |
AW: TPerlRegEx - stack overflow
Nene. Stack und Heap, hab ich lieb. Damit kenne ich mich schon aus. 8-)
Nur den Zusammenhang zwischen greedy und lazy im Zusammenhang mit dem PCRE-Stack hab ich nicht verstanden. Hier ein glaube ich altes Beispiel. banane b(an)+ liefert 'banan' b(an)+? liefert der Faulheit wegen nur noch 'ban' Hänge ich dem Ausdruck ein e an b(an)+?e liefert das 'banane'. Er ackert also den Match mit (an)+? zwei Mal durch. Genauso verhält es sich mit meinem Ausdruck ganz oben. Nur statt 'an' eben einzelne Zeilen mit einem Umbruch am Ende. Wieso liefert greedy einen stack overflow und lazy keinen. Die X Zeilen muss er in beiden Fällen durchlaufen. Meinste statt /n vielleicht nicht eher \n ? :) Statt \n nehme ich \r\n, also einen Windows-Umbruch #13#10. |
AW: TPerlRegEx - stack overflow
Zitat:
In Deiner XE Ent. Version sind ja alle Quelltexte enthalten. IN Projektoptionen Debug-DCUs anschalten und einfach mal in die Match Methode reindebuggen ;-) Zitat:
|
AW: TPerlRegEx - stack overflow
Zitat:
|
AW: TPerlRegEx - stack overflow
Zitat:
Zitat:
Das debuggen von PCRE willst du dir nicht antun - selbst wenn der code in Delphi geschreiben wäre. Regular Expression Engines sind ein ziemlich komplizierte Dinger und die PCRE ist ein Monster. Da schreibst du lieber deinen eigenen Parser - das benötigt weniger Zeit. |
AW: TPerlRegEx - stack overflow
Zitat:
Zitat:
|
AW: TPerlRegEx - stack overflow
Also einen Bug habe ich auch nie vermutet.:wink:
Eingangs wollte ich nur die Stackbehandlung in pcre allgemein und an diesem Punkt jetzt die unterschiedliche Stackbehandlung von greedy- und nongreedy Ausdrücken ein wenig besser verstehen. Wenn nongreedy sich bei gleichem Matchergebnis ressourcenschonender verhält, wäre das ja auch mal eine wichtige Erkenntnis. :) |
Alle Zeitangaben in WEZ +1. Es ist jetzt 19:18 Uhr. |
Powered by vBulletin® Copyright ©2000 - 2024, Jelsoft Enterprises Ltd.
LinkBacks Enabled by vBSEO © 2011, Crawlability, Inc.
Delphi-PRAXiS (c) 2002 - 2023 by Daniel R. Wolf, 2024 by Thomas Breitkreuz