[英]How to filter out specific strings from a string
Python初学者在这里。 我为我正在编写的机器人而陷入了这段代码的一部分。
我正在使用Praw制作reddit机器人来梳理帖子并删除了一组特定的字符(蒸汽CD键)。
我在这里发布了一个测试文章: https : //www.reddit.com/r/pythonforengineers/comments/91m4l0/testing_my_reddit_scraping_bot/
这应该具有所有密钥格式。
目前,我的机器人可以使用正则表达式来查找帖子。 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')
我正在查找使用此文本:
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()
因此,这只是表明我应该在filter函数中使用的东西是steamKey15 / 25/17和Submitting.selftext的组合。
所以这是我感到困惑的部分。 我找不到能正常工作或正在执行我想要的功能的函数。 我的目标是从Submit.selftext(帖子的正文)中删除所有文本,但保留密钥,这些密钥最终将保存在.txt文件中。
有什么建议可以解决这个问题吗? 我已经研究过re.sub和.translate,但我不了解这些部分如何组合在一起。
如果有帮助,我正在使用Python 3.7。
您不能只获得正则表达式结果吗?
m = re.search(steamKey15, submission.selftext, re.IGNORECASE)
if m:
print(m.group(0))
还要注意一个圆点.
表示正则表达式中的任何字符 。 如果只想匹配点,则应使用\\.
。 您可能可以这样编写正则表达式:
r'\w{5}[-.]\w{5}[-.]\w{5}'
当以分隔时,它将与键匹配.
或-
请注意,这还将匹配以键开头或结尾或中间有键的任何内容-这可能会导致您出现问题,因为25键的正则表达式包含在15键中! 要解决此问题,请使用负向后看/负向后看:
r'(?<![\w.-])\w{5}[-.]\w{5}[-.]\w{5}(?![\w.-])'
仅在键前后没有多余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
有些帖子在同一帖子中包含多个Steam键! findall
将返回所有匹配项,而search
仅返回第一个匹配项。
所以首先要注意几件事.
表示正则表达式中的任何字符。 我想您知道这一点,但可以肯定的是。 \\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)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.