正規表現によるテキスト内のUUIDの検索

正規表現を使用してテキストのブロックでUUIDを検索しています。現在、私はすべてのUUIDが8-4-4-4-12の16進数のパターンに従うとの仮定に依存しています。

この仮定が無効であり、一部のUUIDを見逃す原因となるユースケースを誰かが考えることができますか？

定義により、正規表現はUUIDを見逃さないことに同意します。ただし、特にMicrosoftのグローバル一意識別子（GUID）を検索する場合、GUIDには5つの同等の文字列表現があることに注意してください。

"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の正規表現は次のとおりです。

\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には大文字を使用できます。したがって、文字列をtoLowerCase（）するか、次のいずれかを使用する必要があります。

[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}

これにコメントしただけで十分な担当者ではなかったでしょう:)

バージョン4のUUIDの形式はxxxxxxxx-xxxx-4xxx-yxxx-xxxxxxxxxxxxで、xは任意の16進数で、yは8、9、A、またはBのいずれかです。例：f47ac10b-58cc-4372-a567-0e02b2c3d479。

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

したがって、これは技術的にはより正確です。

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

特定のUUIDバージョンを確認または検証する場合は、対応する正規表現を以下に示します。

なお、唯一の違いは、バージョン番号に説明され、4.1.3. Versionの章UUID 4122 RFCは。

バージョン番号は、3番目のグループの最初の文字です[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の正規表現は、有効であってもUUID V1-3および5を拒否します。

[\w]{8}(-[\w]{4}){3}-[\w]{12} ほとんどの場合私のために働いています。

または、本当に具体的にしたい場合[\w]{8}-[\w]{4}-[\w]{4}-[\w]{4}-[\w]{12}。

python reでは、数字から大文字までのアルファベットを使用できます。そう..

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']

それが最も単純なPython UUID正規表現になります：

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

これらのパフォーマンスを比較するためにtimeitを使用することは、読者への課題として残しておきます。

楽しい。Pythonic™にしてください！

注：これらのスパンも一致する:;<=>?@'ため、誤検知の可能性があると思われる場合は、近道をしないでください。（コメントでそれを指摘してくれたOliver Aubertに感謝します。）

定義により、UUIDは32桁の16進数で、5つのグループにハイフンで区切られています。正規表現を見逃してはいけません。

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

だから、私はリチャード・ブロノスキーが実際にこれまでのところ最高の答えを持っていると思いますが、それを少し単純にする（または少なくとももっと簡潔にする）ために少しすることができると思います：

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

C ++のバリアント：

#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];

OS Xで生成されたUUIDのuuidgen場合、正規表現パターンは

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

で確認

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;

ところで、位置の1つで4つだけを許可することは、UUIDv4に対してのみ有効です。ただし、存在するUUIDバージョンはv4だけではありません。私も私の実践でv1に会いました。

Posix regex（grep -E、MySQLなど）を使用している場合、これは読みやすく、覚えやすいでしょう。

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

bashの場合：

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

例えば：

$> 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