如何从字符串中过滤掉特定字符串

Question

Python初学者在这里。对于我正在写的机器人，我对这部分代码感到难过。

我正在使用Praw制作一个reddit机器人来梳理帖子并删除一组特定的字符（蒸汽CD密钥）。

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

这应该具有所有键的格式。

目前，我的机器人能够使用正则表达式找到帖子。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')

我发现文本使用这个：

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。我找不到一个有效的功能，或者正在做我想做的事情。我的目标是从submission.selftext（帖子的正文）中删除所有文本但是键，最终将保存在.txt文件中。

有什么建议可以解决这个问题吗？我查看了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

你能不能获得正则表达式的结果？

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\.。你可以写这样的正则表达式：

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

当.或-分隔时，这将与键匹配。

请注意，这也将匹配以键开头或结尾的任何内容，或者中间有一个键 - 这可能会导致您出现问题，因为您的15-key键正则表达式包含在25键中！要解决这个问题，请使用负向前瞻/负面后视：

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

如果在它们之前和之后没有无关的字符，它将只找到键

另一个提示是使用re.findall而不是re.search - 一些帖子在同一篇文章中包含多个蒸汽键！ findall将返回所有比赛，而search仅返回第一个。

Answer 2

所以有几件事情首先.意味着正则表达式中的任何角色。我想你知道，但只是为了确定。 \w\w\w\w\w也可以用\w{5}替换，其中指定了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)