使用正则expression式在文本中searchUUID
我正在使用正则expression式在文本块中searchUUID。 目前我所依赖的假设是所有的UUID都将遵循8-4-4-4-12hex数字的格式。
任何人都可以想到一个用例，这个假设是无效的，会导致我错过一些UUID？
我同意你的正则expression式不会错过任何UUID。 但是，请注意，如果特别searchMicrosoft的全局唯一标识符（GUID），则可能有以下五种等效的GUID表示forms：
"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expression式是：
[0-9a-f]{8}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{4}-[0-9a-f]{12}
@ivelin：UUID可以有首都。 所以你要么需要toLowerCase（）string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}
会刚刚评论这个，但没有足够的代表:)
版本4UUID具有xxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxxforms，其中x是任何hex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，这在技术上更加正确：
/[a-f0-9]{8}-[a-f0-9]{4}-4[a-f0-9]{3}-[89aAbB][a-f0-9]{3}-[a-f0-9]{12}/
如果您想检查或validation特定的UUID版本 ，则这里是相应的正则expression式。
请注意， 唯一的区别是版本号 ，在
4.1.3. Version解释4.1.3. VersionUUID 4122 RFC的4.1.3. Version章节。
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
这与Ivelin的答案是一样的，但是更短：
[0-9a-f]{8}-([0-9a-f]{4}-){3}[0-9a-f]{12}
Gajus的正则expression式拒绝UUID V1-3和5，即使它们是有效的。
按照定义，UUID是32个hex数字，用连字符分隔成5组，正如你所描述的那样。 你不应该错过任何你的正则expression式。
[\w]{8}(-[\w]{4}){3}-[\w]{12}在大多数情况下为我工作。
或者，如果你想具体说明[\w]{8}-[\w]{4}-[\w]{4}-[\w]{4}-[\w]{12} 。
在Python中，你可以跨越从数字到大写字母。 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']
这使得最简单的Python UUID正则expression式：
re_uuid = re.compile("[0-F]{8}-([0-F]{4}-){3}[0-F]{12}", re.I)
我将把它作为一个练习给读者使用timeit来比较这些performance。
请享用。 保持Pythonic™！
注：这些跨度也将匹配:;<=>?@'所以，如果你怀疑可能会给你误报，不要走捷径。 （谢谢Oliver Aubert在评论中指出）
所以，我认为理查德·布罗诺斯基（Richard Bronosky）实际上有最好的答案，但是我认为你可以做一些简单的工作（或者至less比较简单）：
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];
对于使用uuidgen在OS X上生成的UUID，正则expression式模式为
[A-F0-9]{8}-[A-F0-9]{4}-4[A-F0-9]{3}-[89AB][A-F0-9]{3}-[A-F0-9]{12}
validation
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}"
$UUID_RE = join '-', map { "[0-9a-z]{$_}" } 8, 4, 4, 4, 12;
顺便说一句，只允许其中一个职位只有4对UUIDv4有效。 但是v4并不是唯一的UUID版本。 我在练习中遇到了v1。
