Tìm kiếm UUID trong văn bản với regex

Tôi đang tìm kiếm UUID trong các khối văn bản bằng biểu thức chính quy. Hiện tại tôi đang dựa vào giả định rằng tất cả các UUID sẽ tuân theo một chuỗi các chữ số thập lục phân 8-4-4-4-12.

Bất cứ ai cũng có thể nghĩ về một trường hợp sử dụng trong đó giả định này không hợp lệ và sẽ khiến tôi bỏ lỡ một số UUID?

Tôi đồng ý rằng theo định nghĩa regex của bạn không bỏ lỡ bất kỳ UUID nào. Tuy nhiên, có thể hữu ích khi lưu ý rằng nếu bạn đang tìm kiếm đặc biệt là Số nhận dạng duy nhất toàn cầu (GUID) của Microsoft, có năm cách biểu thị chuỗi tương đương cho GUID:

"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}}" 

Regex cho uuid là:

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

@ Xoayin: UUID có thể có thủ đô. Vì vậy, bạn sẽ cần phải toLowerCase () chuỗi hoặc sử dụng:

[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}

Sẽ chỉ nhận xét này nhưng không đủ đại diện :)

Các UUID phiên bản 4 có dạng xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxx trong đó x là bất kỳ chữ số thập lục phân nào và y là một trong 8, 9, A hoặc B. ví dụ: f47ac10b-58cc-4372-a567-0e02b3.

nguồn: http://en.wikipedia.org/wiki/Uuid#DefDef

Do đó, điều này đúng hơn về mặt kỹ thuật:

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

Nếu bạn muốn kiểm tra hoặc xác nhận một phiên bản UUID cụ thể , đây là các biểu thức chính tương ứng.

Lưu ý rằng sự khác biệt duy nhất là số phiên bản , được giải thích trong 4.1.3. Versionchương của UUID 4122 RFC .

Số phiên bản là ký tự đầu tiên của nhóm thứ ba [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

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

Regrec của Gajus từ chối UUID V1-3 và 5, mặc dù chúng hợp lệ.

[\w]{8}(-[\w]{4}){3}-[\w]{12} đã làm việc cho tôi trong hầu hết các trường hợp.

Hoặc nếu bạn muốn thực sự cụ thể [\w]{8}-[\w]{4}-[\w]{4}-[\w]{4}-[\w]{12}.

Trong python re, bạn có thể trải dài từ alpha số đến chữ hoa. Vì thế..

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']

Điều đó làm cho regex Python UUID đơn giản nhất:

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

Tôi sẽ để nó như một bài tập cho người đọc sử dụng thời gian để so sánh hiệu suất của những thứ này.

Thưởng thức. Giữ nó Pythonic ™!

LƯU Ý: Các nhịp đó cũng sẽ khớp với nhau :;<=>?@', vì vậy, nếu bạn nghi ngờ rằng có thể cung cấp cho bạn dương tính giả, đừng dùng phím tắt. (Cảm ơn Oliver Aubert đã chỉ ra điều đó trong các bình luận.)

Theo định nghĩa, UUID là 32 chữ số thập lục phân, được phân tách thành 5 nhóm bằng dấu gạch nối, giống như bạn đã mô tả. Bạn không nên bỏ lỡ bất kỳ với biểu hiện thông thường của bạn.

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

Vì vậy, tôi nghĩ Richard Bronosky thực sự có câu trả lời tốt nhất cho đến nay, nhưng tôi nghĩ bạn có thể làm một chút để làm cho nó đơn giản hơn một chút (hoặc ít nhất là khó hơn):

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

Biến thể cho C ++:

#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];

Đối với UUID được tạo trên OS X với uuidgen, mẫu regex là

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

Xác minh với

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}"

$UUID_RE = join '-', map { "[0-9a-f]{$_}" } 8, 4, 4, 4, 12;

BTW, chỉ cho phép 4 trên một trong các vị trí chỉ hợp lệ cho UUIDv4. Nhưng v4 không phải là phiên bản UUID duy nhất tồn tại. Tôi đã gặp v1 trong thực tế của tôi là tốt.

Nếu sử dụng Posix regex ( grep -E, MySQL, v.v.), điều này có thể dễ đọc và dễ nhớ hơn:

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

Đối với bash:

grep -E "[a-f0-9]{8}-[a-f0-9]{4}-4[a-f0-9]{3}-[89aAbB][a-f0-9]{3}-[a-f0-9]{12}"

Ví dụ:

$> echo "f2575e6a-9bce-49e7-ae7c-bff6b555bda4" | grep -E "[a-f0-9]{8}-[a-f0-9]{4}-4[a-f0-9]{3}-[89aAbB][a-f0-9]{3}-[a-f0-9]{12}"
f2575e6a-9bce-49e7-ae7c-bff6b555bda4