Question

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密钥）。

我在此处发布了一个测试帖子：https://www.reddit.com/r/pythonforengineers/comments/91m4l0/testing_my_reddit_scraping_bot/

这应该具有密钥的所有格式。

当前，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')

我正在使用以下文字查找文字：

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()

所以这只是表明我应该在filter函数中使用的东西是steamKey15 / 25/17和Submit.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此问题吗？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。

Answer 1

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，点.在正则表达式中表示任何字符。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}'

当与.或-分隔时，它将与键匹配。

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15字符键正则表达式包含在25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。

Answer 2

因此，.首先要注意的几件事是指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。此外，\w\w\w\w\w可以用\w{5}代替，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出特定的字符串

2 个答案: