使用正则表达式在文本中搜索UUID

Question

我正在使用正则表达式在文本块中搜索UUID.目前我依赖于所有UUID将遵循8-4-4-4-12十六进制数字的模式的假设.

任何人都可以想到一个用例,这个假设是无效的,会让我错过一些UUID吗？

Answer 1

uuid的正则表达式是:

\b[0-9a-f]{8}\b-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{4}-\b[0-9a-f]{12}\b

Answer 2

@ivelin:UUID可以有大写字母.所以你要么需要toLowerCase()字符串或使用:

[a-fA-F0-9]{8}-[a-fA-F0-9]{4}-[a-fA-F0-9]{4}-[a-fA-F0-9]{4}-[a-fA-F0-9]{12}

本来只是评论了这个,但没有足够的代表:)

Answer 3

版本4 UUID具有xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxx的形式,其中x是任何十六进制数字,y是8,9,A或B中的一个,例如f47ac10b-58cc-4372-a567-0e02b2c3d479.

来源:http://en.wikipedia.org/wiki/Uuid#Definition

因此,这在技术上更正确:

/[a-f0-9]{8}-[a-f0-9]{4}-4[a-f0-9]{3}-[89aAbB][a-f0-9]{3}-[a-f0-9]{12}/

Answer 4

如果要检查或验证特定的UUID版本,请使用以下相应的正则表达式.

请注意,唯一的区别是版本号,在UUID 4122 RFC的4.1.3. Version章节中对此进行了解释.

版本号是第三组的第一个字符[VERSION_NUMBER][0-9A-F]{3}:

• UUID v1:

  /^[0-9A-F]{8}-[0-9A-F]{4}-[1][0-9A-F]{3}-[89AB][0-9A-F]{3}-[0-9A-F]{12}$/i
  

• UUID v2:

  /^[0-9A-F]{8}-[0-9A-F]{4}-[2][0-9A-F]{3}-[89AB][0-9A-F]{3}-[0-9A-F]{12}$/i
  

• UUID v3:

  /^[0-9A-F]{8}-[0-9A-F]{4}-[3][0-9A-F]{3}-[89AB][0-9A-F]{3}-[0-9A-F]{12}$/i
  

• UUID v4:

  /^[0-9A-F]{8}-[0-9A-F]{4}-[4][0-9A-F]{3}-[89AB][0-9A-F]{3}-[0-9A-F]{12}$/i
  

• UUID v5:

  /^[0-9A-F]{8}-[0-9A-F]{4}-[5][0-9A-F]{3}-[89AB][0-9A-F]{3}-[0-9A-F]{12}$/i
  

Answer 5

我同意根据定义你的正则表达式不会遗漏任何UUID.但是,请注意,如果您特别针对Microsoft的全局唯一标识符(GUID)进行搜索,则GUID有五个等效的字符串表示形式:

"ca761232ed4211cebacd00aa0057b223" 

"CA761232-ED42-11CE-BACD-00AA0057B223" 

"{CA761232-ED42-11CE-BACD-00AA0057B223}" 

"(CA761232-ED42-11CE-BACD-00AA0057B223)" 

"{0xCA761232, 0xED42, 0x11CE, {0xBA, 0xCD, 0x00, 0xAA, 0x00, 0x57, 0xB2, 0x23}}" 

Answer 6

/^[0-9a-f]{8}-[0-9a-f]{4}-[1-5][0-9a-f]{3}-[89AB][0-9a-f]{3}-[0-9a-f]{12}$/i

Gajus的正则表达式拒绝UUID V1-3和5,即使它们是有效的.

Answer 7

[\w]{8}(-[\w]{4}){3}-[\w]{12} 在大多数情况下,我一直在为我工作

或者如果你想要真正具体[\w]{8}-[\w]{4}-[\w]{4}-[\w]{4}-[\w]{12}.

Answer 8

在python中,你可以从数字到大写的alpha.所以..

import re
test = "01234ABCDEFGHIJKabcdefghijk01234abcdefghijkABCDEFGHIJK"
re.compile(r'[0-f]+').findall(test) # Bad: matches all uppercase alpha chars
## ['01234ABCDEFGHIJKabcdef', '01234abcdef', 'ABCDEFGHIJK']
re.compile(r'[0-F]+').findall(test) # Partial: does not match lowercase hex chars
## ['01234ABCDEF', '01234', 'ABCDEF']
re.compile(r'[0-F]+', re.I).findall(test) # Good
## ['01234ABCDEF', 'abcdef', '01234abcdef', 'ABCDEF']
re.compile(r'[0-f]+', re.I).findall(test) # Good
## ['01234ABCDEF', 'abcdef', '01234abcdef', 'ABCDEF']
re.compile(r'[0-Fa-f]+').findall(test) # Good (with uppercase-only magic)
## ['01234ABCDEF', 'abcdef', '01234abcdef', 'ABCDEF']
re.compile(r'[0-9a-fA-F]+').findall(test) # Good (with no magic)
## ['01234ABCDEF', 'abcdef', '01234abcdef', 'ABCDEF']

这使得最简单的Python UUID正则表达式:

re_uuid = re.compile("[0-F]{8}-([0-F]{4}-){3}[0-F]{12}", re.I)

我将把它作为练习留给读者使用timeit来比较它们的性能.

请享用.保持它Pythonic™!

注意:这些跨度也将匹配:;<=>?@',如果您怀疑可能会给您误报,请不要使用快捷方式.(感谢Oliver Aubert在评论中指出这一点.)

Answer 9

根据定义,UUID是32个十六进制数字,按连字符分为5组,正如您所描述的那样.你的正则表达式不应该错过任何一个.

http://en.wikipedia.org/wiki/Uuid#Definition

Answer 10

如果使用 POSIX 正则表达式（grep -EMySQL 等），这可能更容易阅读和记住：

\n

[[:xdigit:]]{8}(-[[:xdigit:]]{4}){3}-[[:xdigit:]]{12}\n

\n

Perl 和 PCRE 风格还支持 POSIX 字符类，因此可以与它们一起使用。对于这些，将 更改(\xe2\x80\xa6)为非捕获子组(?:\xe2\x80\xa6)。

\n

JavaScript（以及其他支持 Unicode 属性的语法）可以使用类似的清晰版本：

\n

[[:xdigit:]]{8}(-[[:xdigit:]]{4}){3}-[[:xdigit:]]{12}\n

\n

Answer 11

所以,我认为Richard Bronosky实际上拥有迄今为止最好的答案,但我认为你可以做一些让它更简单(或者至少更简洁):

re_uuid = re.compile(r'[0-9a-f]{8}(?:-[0-9a-f]{4}){3}-[0-9a-f]{12}', re.I)

Answer 12

这是有效的 REGEX：https ://www.regextester.com/99148

const regex = [0-9a-fA-F]{8}\-[0-9a-fA-F]{4}\-[0-9a-fA-F]{4}\-[0-9a-fA-F]{4}\-[0-9a-fA-F]{12}

Answer 13

C ++的变体：

#include <regex>  // Required include

...

// Source string    
std::wstring srcStr = L"String with GIUD: {4d36e96e-e325-11ce-bfc1-08002be10318} any text";

// Regex and match
std::wsmatch match;
std::wregex rx(L"(\\{[A-F0-9]{8}-[A-F0-9]{4}-[A-F0-9]{4}-[A-F0-9]{4}-[A-F0-9]{12}\\})", std::regex_constants::icase);

// Search
std::regex_search(srcStr, match, rx);

// Result
std::wstring strGUID       = match[1];

Answer 14

对于在OS X上使用生成的UUID uuidgen，正则表达式为

[A-F0-9]{8}-[A-F0-9]{4}-4[A-F0-9]{3}-[89AB][A-F0-9]{3}-[A-F0-9]{12}

验证

uuidgen | grep -E "[A-F0-9]{8}-[A-F0-9]{4}-4[A-F0-9]{3}-[89AB][A-F0-9]{3}-[A-F0-9]{12}"