如何从字符串中过滤掉特定的字符串

Question

Python 初学者。对于我正在编写的机器人，我对这段代码的一部分感到困惑。

我正在制作一个使用 Praw 的 reddit 机器人来梳理 posts 并删除一组特定的字符（steam CD 键）。

我在这里做了一个测试post：https://www.reddit.com/r/pythonforengineers/comments/91m4l0/testing_my_reddit_scraping_bot/

这应该有所有的密钥格式。

目前，我的机器人能够使用正则表达式找到 post。我有这些变量：

steamKey15 = (r'\w\w\w\w\w.\w\w\w\w\w.\w\w\w\w\w')
steamKey25 = (r'\w\w\w\w\w.\w\w\w\w\w.\w\w\w\w\w.\w\w\w\w\w.\w\w\w\w\w.')
steamKey17 = (r'\w\w\w\w\w\w\w\w\w\w\w\w\w\w\w\s\w\w')

我正在使用这个查找文本：

subreddit = reddit.subreddit('pythonforengineers')
for submission in subreddit.new(limit=20):

    if submission.id not in steamKeyPostID:        
        if re.search(steamKey15, submission.selftext, re.IGNORECASE):
            searchLogic()
            saveSteamKey()

所以这只是为了表明我应该在过滤器函数中使用的东西是 steamKey15/25/17 和 submission.selftext 的组合。

所以这是我感到困惑的部分。我找不到有效的功能，或者正在做我想做的事。我的目标是从 submission.selftext（post 的正文）中删除所有文本，但删除键，这些键最终将保存在 .txt 文件中。

关于解决这个问题的好方法有什么建议吗？我研究了 re.sub 和 .translate，但我不明白这些部分是如何组合在一起的。

如果有帮助，我正在使用 Python 3.7。

Answer 1

你不能只得到正则表达式的结果吗？

m = re.search(steamKey15, submission.selftext, re.IGNORECASE)
if m:
    print(m.group(0))

另请注意，点 . 表示正则表达式中的 任何字符 。如果你只想匹配点，你应该使用 \.。你可能可以这样写你的正则表达式：

r'\w{5}[-.]\w{5}[-.]\w{5}'

这将匹配由 . 或 - 分隔的密钥。

请注意，这也会匹配任何以键开头或结尾，或中间有键的内容 - 这可能会给您带来问题，因为您的 15 字符键正则表达式包含在 25 键正则表达式中！要解决这个问题，请使用负 lookahead/negative 回顾：

r'(?<![\w.-])\w{5}[-.]\w{5}[-.]\w{5}(?![\w.-])'

只有在键前后没有无关字符的情况下才会找到键

另一个提示是使用 re.findall 而不是 re.search - 一些 post 在同一个 post 中包含多个 Steam 密钥！ findall 将 return 所有匹配项，而 search 仅 return 第一个。

Answer 2

首先要注意几点 . 表示正则表达式中的任何字符。我想你知道这一点，但只是为了确定。 \w\w\w\w\w 也可以替换为 \w{5}，其中指定 5 个字母数字。我会使用 re.findall.

import re
steamKey15 = (r'(?:\w{5}.){2}\w{5}')
steamKey25 = (r'(?:\w{5}.){5}')
steamKey17 = (r'\w{15}\s\w\w')
subreddit = reddit.subreddit('pythonforengineers')
for submission in subreddit.new(limit=20):
    if submission.id not in steamKeyPostID:
        finds_15 = re.findall(steamKey15, submission.selftext)
        finds_25 = re.findall(steamKey25, submission.selftext)
        finds_17 = re.findall(steamKey17, submission.selftext)

如何从字符串中过滤掉特定的字符串

How to filter out specific strings from a string

python

web-scraping

python-3.x

praw