匹配SHA1的正则表达式

我试图将通用文本中的SHA1与正则表达式匹配.

理想情况下,我想避免匹配单词.

可以肯定地说,完整的SHA1具有独特的模式(它们很长并且长度一致) - 所以我可以可靠地匹配它们 - 但是缩小的SHA1是什么？

我可以依赖数字的存在吗？

在我的提交日志中查看SHA1 - 数字始终显示在前3个字符中.但这太短了吗？在我可以假设一个数字出现之前,我需要考虑多少个SHA1字符？

这不一定是100%准确 - 我只需要在99%的时间内匹配缩写的SHA1.

1> Greg Hewgill..：

---

您可以认为SHA1哈希值是完全随机的,因此这会降低概率.给定数字不是数字的概率是6/16或0.375.三个SHA1数字都不是数字的概率是0.375**3或0.0527(5%ish).在六位数时,这再次降低到0.00278(0.2%).五位数,所有字母的概率都低于1%(你说你想要匹配99%的时间).

创建一个始终与SHA1值匹配的正则表达式很容易:

\b[0-9a-f]{5,40}\b

然而,这也可能匹配完美的五个字母单词,如"添加"或"褪色".在我的/usr/share/dict/words文件中,有几个六个字母单词匹配:"accede","beaded","bedded","decade","deface","efface"和"facade"是最有可能的.在七封信中,只有"深化",不太可能出现在散文中.这一切都取决于你可以容忍多少误报,以及你实际遇到的可能的词是什么.

---

为什么{5,40}而不是{40}？

---

@sheepsimulator:大概是因为缩写哈希是很常见的 - 尽管git输出中的默认缩写长度是7,所以你可以非常安全地转到`{7,40}`并且误报率更低.@Greg Hewgill:我的/ usr/share/dict词还包含"已加入","污损","抹去"和"有瑕疵" - 前三个是常见的,至少相对于深化!

2> jrockway..：

---

你究竟想做什么？您不需要使用启发式解析任何git输出 - 您始终可以准确地请求所需的数据.

如果要匹配SHA1总和的完整十六进制表示,请尝试:

/\b([a-f0-9]{40})\b/

也就是说,由40个字符组成的单词,可以是数字,也可以是字母a到f.

如果你只有几个角色并且不知道它们在哪里,那么你几乎没有运气."e78fd98"是缩写的提交ID吗？也许,但是"1234567"怎么样？这是一个提交ID吗？问题票号？一个使测试失败的数字？

没有上下文,您无法真正了解数据的含义.

要回答你的直接问题,SHA1的属性不会产生前三个字符(十六进制形式)的数字.根据你的看法,你很幸运,或者也许是不幸的.

---

这就是你想要的,正好40个字符的十六进制数字总是匹配,而不是当前接受的答案,可能总是不起作用.

3> bendin..：

---

我假设您要匹配SHA1的十六进制打印表示形式，而不是等效的20个原始字节。此外，我将假设所讨论的SHA1仅使用小写字母表示十六进制数字。如果您的要求有所不同，则必须调整正则表达式。

grep -o -E -e "[0-9a-f]{40}"

将匹配这样的SHA1。您需要将上述正则表达式从egrep的方言转换为您恰巧使用的任何工具。由于匹配必须正好是40个字符长，因此我认为您不存在意外匹配单词的危险。我不知道任何仅由字母a到f组成的40个字符的单词。

编辑：

更好的是：使用Regex匹配SHA1，因为他的解决方案包括检查两端的单词边界。我在上面忽略了这一点。