Python正则表达式用于MD5哈希

Question

我想到了：

re.findall("([a-fA-F\d]*)", data)

但这种方法并不是很可靠，有没有更好的方法来获取所有MD5哈希代码？

- Ashy

---

你要防范哪种类型的傻瓜？ - Greg Hewgill

在引号前加上 r：c = r"[a-fA-F\d]"; re.findall(r"(?<!%s)(?:%s){32}(?!%s)" % (c,)*3, data) - jfs

谢谢大家，我会添加长度的内容，这是我遇到问题的主要原因。以后也会使用'r'的方法，感谢您的提示！ - Ashy

在我的注释中，(c,)*3 应该被替换为 (c,c,c)。 - jfs

Answer 1

既然MD5只是由32个十六进制数字组成的字符串，那么你可以向你的表达式中添加一个检查"32位数字"的条件，类似于这样：

re.findall(r"([a-fA-F\d]{32})", data)

- Marc Novakowski

---

MD5不是全部小写吗？使用[0-9a-f]{32}会更好。 - enchance

维基百科上说：“在使用字母数字时，没有普遍的规定使用小写还是大写字母，每个社区标准或约定在特定环境中都有其流行或偏好。”为了保险起见，您应该覆盖所有情况。 - Tom Maier

虽然这个匹配符合MD5哈希，但它也匹配SHA1或SHA2哈希，或者说任何大于32的十六进制字符串。您应该通过要求数据具有开始和结束来完善您的正则表达式：^[a-fA-F\d]{32}$。 - toringe

@TomMaier 如果你想让正则表达式更简洁，你也可以指定re.compile(r'[0-9a-f]{32}', re.IGNORECASE)。 - NuclearPeon

Answer 2

在使用Python中的正则表达式时，几乎总是应该使用原始字符串语法r"..."：

re.findall(r"([a-fA-F\d]{32})", data)

这将确保字符串中的反斜杠不被正常的Python转义所解释，而是直接传递给re.findall函数，以便它可以按原样查看\d。在这种情况下，你很幸运\d没有被Python转义解释，但像\b这样的字符（在Python转义和正则表达式中具有完全不同的含义）就会产生问题。

更多信息请参见re模块文档。

- Greg Hewgill

---

谢谢 Greg - 我编辑了我的答案，加入了 "r"，最好不要引入微妙的错误！ - Marc Novakowski

Answer 3

以下方法优于其他解决方案：

re.findall(r'(?i)(?<![a-z0-9])[a-f0-9]{32}(?![a-z0-9])', data)

这确保了匹配必须是一个由32个十六进制数字字符组成的字符串，但不包含在其他字母数字字符的更大字符串中。 对于所有其他解决方案，如果有37个连续的十六进制字符的字符串，该模式将匹配前32个字符并将其视为匹配项；或者如果有64个十六进制字符的字符串，则会将其分成两半并将每一半作为独立的匹配项。通过先行断言和后行断言来排除这些情况，它们是非捕获的，不会影响匹配结果的内容。

请注意，(?i)标志会使模式对大小写不敏感，这可以节省一点打字时间，而将整个模式用括号括起来是多余的。

- Nick

---

为什么不直接添加^和$行锚定符，而要使用前瞻和后顾呢？ - Imran

我假设他正在大量文本中搜索md5。如果您要检查单个字符串是否完全包含md5，则锚点是更好的方法。 - ʞɔıu

Answer 4

以下是一个相对严谨的表达：

r"\b([a-f\d]{32}|[A-F\d]{32})\b"

• 字符串必须恰好为32个字符长，
• 字符串必须位于单词边界之间（换行符、空格等），
• 字母必须全部小写a-f或者全部大写A-F，但不可混合使用。

但是如果这还不够好，因为你知道得到全数字的MD5校验和的概率只有3402823分之一，获得全字母数字的MD5校验和的概率为42万亿分之一，那么我们应该对这些有效的校验和说FU，也不接受任何不是字母数字的内容:

r"\b(?!^[\d]*$)(?!^[a-fA-F]*$)([a-f\d]{32}|[A-F\d]{32})\b"

00000000000000000000000000000000 # not MD5
01110101001110011101011010101001 # not MD5
ffffffffffffffffffffffffffffffff # not MD5
A32efC32c79823a2123AA8cbDDd3231c # not MD5
affa687a87f8abe90d9b9eba09bdbacb # is MD5
C787AFE9D9E86A6A6C78ACE99CA778EE # is MD5
please like and subscribe to my  # not MD5

是的，我在工作中感到非常无聊。

- J.J

---

只有在扫描单独的行时才有效。说实话，r"\b[a-f\d]{32}\b|\b[A-F\d]{32}\b" 更好。 - Adam Smith

很好 :)我想这完全取决于使用情况。你是想检查一个字符串是否类似于MD5，还是想从一个较大的字符串生成类似于MD5的字符串？ :P - J.J

同意。我想象中的文件是一个MD5的列表，用逗号分隔而不是换行符。 - Adam Smith

我已经编辑了我的示例，包括单词分隔符，因为你显然是正确的，Adam :) - J.J

Answer 5

MD5 Python使用正则表达式的示例

由于MD5是由32个十六进制字符组成的，有时哈希值会用小写字母表示，因此还应考虑它们。

---

以下示例已针对四个不同的字符串进行测试：

• 一个有效的小写MD5哈希值
• 一个有效的大写MD5哈希值
• 一个包含64个十六进制字符的字符串（以确保不会发生拆分和匹配）
• 一个包含37个十六进制字符的字符串（以确保前32个字符不匹配）

900e3f2dd4efc9892793222d7a1cee4a

AC905DD4AB2038E5F7EABEAE792AC41B

900e3f2dd4efc9892793222d7a1cee4a900e3f2dd4efc9892793222d7a1cee4a

900e3f2dd4efc9892793222d7a1cee4a4a4a4

---

    validHash = re.finditer(r'(?=(\b[A-Fa-f0-9]{32}\b))', datahere)

    result = [match.group(1) for match in validHash]

    if result: 

        print "Valid MD5"

    else:

        print "NOT a Valid MD5"

---

- Johnny

Answer 6

那么对于需要32个字符的"([a-fA-F\d]{32})"怎么样？

- Corey