정규식을 사용하여 텍스트에서 UUID 검색

정규식을 사용하여 텍스트 블록에서 UUID를 검색하고 있습니다. 현재 모든 UUID가 8-4-4-4-12 16 진수 패턴을 따르는 것으로 가정하고 있습니다.

누구 든지이 가정이 유효하지 않아 UUID를 놓칠 수있는 유스 케이스를 생각할 수 있습니까?

나는 당신의 정규 표현식이 UUID를 놓치지 않는다는 것에 동의합니다. 그러나 특히 Microsoft의 GUID (Globally Unique Identifier)를 검색하는 경우 GUID에 대해 5 개의 동등한 문자열 표현이 있습니다.

"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}}" 

UUID의 정규식은 다음과 같습니다.

\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 : UUID는 수도를 가질 수 있습니다. 따라서 문자열을 toLowerCase ()하거나 다음을 사용해야합니다.

[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}

방금 이것을 언급했지만 충분하지 않은 담당자 :)

버전 4 UUID의 형식은 xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxx입니다. 여기서 x는 16 진수이며 y는 8, 9, A 또는 B 중 하나입니다. 예를 들어 f47ac10b-58cc-4372-a567-0e02b2c3d479.

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

따라서 이것은 기술적으로 더 정확합니다.

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

특정 UUID 버전 을 확인하거나 확인 하려면 해당 정규식이 있습니다.

참고 것이 유일한 차이점은 버전 번호 에 설명되어, 4.1.3. Version장 UUID 4122 RFC는 .

버전 번호는 세 번째 그룹의 첫 번째 문자입니다. [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

Gajus의 정규 표현식은 UUID V1-3 및 5가 유효하더라도 거부합니다.

[\w]{8}(-[\w]{4}){3}-[\w]{12} 대부분의 경우 나를 위해 일했습니다.

또는 당신이 정말로 구체적이기를 원한다면 [\w]{8}-[\w]{4}-[\w]{4}-[\w]{4}-[\w]{12}.

python re에서는 숫자에서 대문자로 확장 할 수 있습니다. 그래서..

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']

가장 간단한 Python UUID 정규식을 만듭니다.

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

나는 이것의 성능을 비교하기 위해 timeit을 사용하기 위해 독자에게 연습으로 남겨 두겠습니다.

즐겨. Pythonic ™ 유지하십시오!

참고 :이 범위도 일치 :;<=>?@'하므로 오 탐지 가능성이 있다고 생각되면 바로 가기를 사용하지 마십시오. (댓글에서 지적 해 주신 Oliver Aubert에게 감사합니다.)

정의에 따르면 UUID는 설명 된 것처럼 16 개의 16 진수 32 개이며 하이픈으로 5 개의 그룹으로 구분됩니다. 정규식을 놓치지 마십시오.

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

따라서 Richard Bronosky는 실제로 현재까지 가장 좋은 답변을 가지고 있다고 생각하지만 조금 더 간단하게 (또는 적어도 더 간결하게) 만들 수 있다고 생각합니다.

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

C ++의 변형 :

#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];

로 OS X에서 생성 된 UUID의 uuidgen경우 정규식 패턴은 다음과 같습니다.

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

로 확인

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;

위치 중 하나에 4 만 허용하는 BTW는 UUIDv4에만 유효합니다. 그러나 v4가 존재하는 유일한 UUID 버전은 아닙니다. 실습에서도 v1을 만났습니다.

Posix 정규식 ( grep -E, MySQL 등)을 사용하는 경우 다음을 읽고 기억하기가 더 쉬울 수 있습니다.

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

bash의 경우 :

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

예를 들면 다음과 같습니다.

$> 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