我正在尝试将普通文本中的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。
答案 0 :(得分：63)
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％）。五位数字，所有字母的概率都低于1％（你说你希望在99％的时间内匹配）。
制作一个始终与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”是最多的有可能。在七封信中，只有“深化”，不太可能出现在散文中。这一切都取决于你能容忍多少误报，以及你实际会遇到的可能的话语。
答案 1 :(得分：34)
你到底想要做什么？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/
即一个单词，由40个字符组成，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？
如果没有上下文，您无法真正了解数据的含义。
要回答您的直接问题，SHA1的属性不会产生前三个字符（十六进制形式）的数字。你很幸运，或者也许是不幸的，这取决于你如何看待它。
答案 2 :(得分：4)
我假设你想要匹配SHA1的十六进制打印表示，而不是相当于20个原始字节。此外，我将假设有问题的SHA1仅使用小写字母来表示十六进制数字。如果您的要求不同，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的方言转换为您正在使用的任何工具。由于比赛必须正好是40个字符，我不认为你有意外匹配单词的危险。我不知道任何只包含字母a到f的40个字符的单词。
编辑：
更好的是：使用A Regex to match a SHA1作为他的解决方案包括检查两端的单词边界。我忽略了上面的内容。
答案 3 :(得分：3)
如果您有权访问回购，则可以使用git cat-file -e检查它是否代表回购中的对象。这也非常快。如果您还想将此限制为仅提交和标记，则可以使用git cat-file -t来查找对象的类型。
例如，这可用于搜索人工生成的文本以提及git提交并生成指向git web界面的超链接。
答案 4 :(得分：0)
对于这种类型的哈希：43:A4:02:B7:B6:1D:89:86:C5:CE:AD:52:96:D9:2E:7B:64:98:45:6A：
/^[0-9A-F]{2}(:[0-9A-F]{2}){19}$/
答案 5 :(得分：0)
我在红宝石中使用它。它允许sha的短版本（碰撞时为6 - 8）和40 chars长的完整sha。
\A(([0-9a-f]{40})|([0-9a-f]{6,8}))\z