表情符号微信号好玩
例如:
(^_^)加wei辛8五⑦久久二爸好玩~_>我的Q扣八七3玖二流好玩
这些聊天记录总是以表情符号开头,以 好玩
结尾。为了屏蔽这些诈骗信息,我们想到使用正则表达式。
我们收集整理了上千个颜文字:
(`ヘ´)(´・ω・`)( ´Д`)( ゚Д゚)┐('~`;)┌ (´∀`)( ´_ゝ`)Σ(゜д゜;)(*´Д`)(─▽─)(゚∀゚)……
设想在Python里面读取这些颜文字,然后构造正则表达式:
import rewith open('emotion.txt', encoding='utf-8') as f: emotion_list = [x.strip() for x in f]for emotion in emotion_list: pattern = f'{emotion}.*?好好玩' re.search(pattern, content) ...
但在实际使用过程中,我们发现颜文字里面有非常多的小括号、中括号、大括号、星号、点号、问号之类的符号,这些符号在正则表达式里面有特殊用途,如果直接评价成一个pattern,就会导致正则表达式匹配出问题。
当然我们可以使用replace一个一个给这些特殊符号左边添加反斜杠。但是这样写太过麻烦。
在Python里面,正则表达式模块已经帮我们实现了这个功能—— re.escape
。
re.escape可以把传给他们的字符串里面,所有有特殊意义的符号前面加上反斜杠,但又不影响正常的字符。
例如:
import reslogan = '你好,{产品经理*_*?'safe_slogan = re.escape(slogan)print(safe_slogan)
运行效果如下图所示:
特别注意:在Python 3.6或之前版本,除了Ascii字符之外的其他字符都会被加上反斜杠。
从Python 3.7开始,只有在正则表达式里面有特殊意义的符号才会被加上反斜杠。
所以还在用老版本Python的同学,快点换到新版本来吧。