Repository navigation
Performance : corriger le DoS sur l'emphase (*, _) et limiter la profondeur d'imbrication - #41
Merged
Merged
Conversation
Pathological emphasis input made inline parsing quadratic and could crash the process: 60 KB of "*a " took ~4.5 s (minutes at the 1 MiB default limit) and ~20k nested pairs overflowed the stack in the renderer. Three quadratic hot spots are removed: - DelimiterStack: rewritten as the CommonMark Appendix A algorithm over linked lists with an openers_bottom table; wrapping a span relinks it in O(1) instead of array_slice/array_splice + recursive resolve(). The multiple-of-3 rule now uses original run lengths, as the spec requires. - FlankingComputer: read neighbouring UTF-8 chars from byte offsets instead of mb_strlen() of the whole prefix for every delimiter run. - InlineParser::flushBuffer(): take $tokens by reference instead of copying the whole array on every flush. Emphasis nesting is capped at 64 levels; deeper pairs are emitted as literal delimiters, keeping the AST and the recursive renderer shallow. On a 20k-case random emphasis corpus, agreement with the CommonMark reference (markdown-it) goes from 18970 to 19384 cases; the only changed outputs that still differ do so because of pre-existing code-span issues. Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com> Claude-Session: https://claude.ai/code/session_01CPcuaaxrCottkeL1ykoSWe
This file contains hidden or bidirectional Unicode text that may be interpreted or compiled differently than what appears below. To review, open the file in an editor that reveals hidden Unicode characters.
Learn more about bidirectional Unicode characters
Sign up for free
to join this conversation on GitHub.
Already have an account?
Sign in to comment
2 participants
Add this suggestion to a batch that can be applied as a single commit.This suggestion is invalid because no changes were made to the code.Suggestions cannot be applied while the pull request is closed.Suggestions cannot be applied while viewing a subset of changes.Only one suggestion per line can be applied in a batch.Add this suggestion to a batch that can be applied as a single commit.Applying suggestions on deleted lines is not supported.You must change the existing code in this line in order to create a valid suggestion.Outdated suggestions cannot be applied.This suggestion has been applied or marked resolved.Suggestions cannot be applied from pending reviews.Suggestions cannot be applied on multi-line comments.Suggestions cannot be applied while the pull request is queued to merge.Suggestion cannot be applied right now. Please check back later.
Problème
Une entrée d'emphase pathologique rendait le parsing inline quadratique et pouvait faire planter le process :
main"*a "× 50 000 (150 Ko)"_a"× 50 000*a× 30 000 puisa*× 30 000 (paires imbriquées)À la limite par défaut de 1 Mio, on dépassait largement la minute.
Correctif : trois points chauds quadratiques
DelimiterStackest réécrit selon l'algorithme de l'annexe A de CommonMark (process emphasis) : listes doublement chaînées, tableopeners_bottom, et emballage d'une plage en<em>/<strong>par réassignation de liens en O(1). L'ancienne version utilisaitarray_slice/array_splice, uncount()à chaque tour et unresolve()récursif. La règle du multiple de 3 utilise maintenant les longueurs d'origine des runs, comme l'exige la spec. La fusion finale du texte passe par un tampon pour éviter les re-copies de chaînes.FlankingComputerlit les caractères UTF-8 voisins directement aux offsets en octets. Avant, il faisaitmb_strlen(substr($text, 0, $pos))pour chaque délimiteur, soit O(n) par run.InlineParser::flushBuffer()prend$tokenspar référence. Le passage par valeur suivi d'un retour copiait tout le tableau à chaque flush.L'imbrication emphase/strong est plafonnée à 64 niveaux. Au-delà, les délimiteurs sont rendus en texte littéral, ce qui garde l'AST et le renderer récursif peu profonds.
Conformité
Sur un corpus aléatoire de 20 000 chaînes d'emphase, comparé à markdown-it (référence CommonMark) :
main: 18 970 / 20 000 identiquesLes seules sorties modifiées qui diffèrent encore le font à cause de problèmes de code span déjà présents avant cette PR.
Tests
tests/Security/EmphasisDosTest.php: trois tests de temps et de profondeur, plus un test d'imbrication normale. Ils échouent surmain(36 s, 33 s, crash) et passent ici en ~0,7 s avec moins de 128 Mo de mémoire.Hors périmètre, à traiter à part : les références raccourcies
[text]restent quadratiques quand le document contient une définition de lien et beaucoup de[sans](200 Ko → ~2,5 s).🤖 Generated with Claude Code
https://claude.ai/code/session_01CPcuaaxrCottkeL1ykoSWe
Generated by Claude Code