使用正则表达式搜索文本中的UUID

我正在使用正则表达式在文本块中搜索UUID。目前，我所基于的假设是，所有UUID都将遵循8-4-4-4-12十六进制数字的样式。

谁能想到一个用例，这个假设将是无效的，并且会导致我错过一些UUID？

我同意，根据定义，您的正则表达式不会丢失任何UUID。但是，可能需要注意的是，如果要特别搜索Microsoft的全球唯一标识符（GUID），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}}" 

uuid的正则表达式为：

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

@ivelin：UUID可以有大写。因此，您需要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}

本来应该对此发表评论，但没有足够的代表:)

版本4 UUID的格式为xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxx，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}/

如果要检查或验证特定的UUID版本，请参见以下相应的正则表达式。

请注意，唯一的区别是版本号，这在UUID 4122 RFC的4.1.3. Version章节中进行了说明。

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

/^[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regexp拒绝UUID V1-3和5，即使它们有效。

[\w]{8}(-[\w]{4}){3}-[\w]{12} 在大多数情况下为我工作。

或者，如果您想真正具体一点[\w]{8}-[\w]{4}-[\w]{4}-[\w]{4}-[\w]{12}。

在python re中，您可以从数字到大写字母。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']

这就是最简单的Python UUID正则表达式：

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

我会把它留给读者作为练习，使用timeit来比较它们的性能。

请享用。保持Pythonic™！

注意：这些跨度也将匹配，:;<=>?@'因此，如果您怀疑这会给您带来误报，请不要使用快捷方式。（感谢奥利弗·奥伯特在评论中指出这一点。）

根据定义，UUID是32个十六进制数字，如前所述，由5个组用连字符分隔。您不应该错过任何正则表达式。

http://en.wikipedia.org/wiki/Uuid#定义

因此，我认为Richard Bronosky实际上是迄今为止最好的答案，但是我认为您可以做一些使其更简单（或至少更简短）的方法：

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

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];

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}"

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

顺便说一句，其中一个位置仅允许4个仅对UUIDv4有效。但是v4并不是唯一存在的UUID版本。我在实践中也遇到过v1。

如果使用Posix正则表达式（grep -E，MySQL等），则可能更容易阅读和记住：

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

对于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}"

例如：

$> 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