python-正则表达式及应用(b站弹幕屏蔽)

柔情只为你懂 2023-03-02 07:36 13阅读 0赞

**目录**

简介

正则表达式常用字符

元字符

修饰符

字符组

重复限定符

re模块

手机号判断

昵称判断

b站弹幕礼仪

b站弹幕屏蔽正则

长弹幕

个人信息

手机号

QQ号

日期

无意义

现场怪

视频顺序

开心

代码

在线工具

可视化正则

在线匹配

参考

--------------------

# 简介 #

正则表达式（Regular Expression）是一个特殊的字符序列，它能帮助你方便的检查一个字符串是否与某种模式匹配。

re 模块使 Python 语言拥有全部的正则表达式功能。

# 正则表达式常用字符 #

你可能没有了解过正则表达式，但却已经用过了部分。比如使用 rm -rf \*.txt来删除所有.txt后缀的文件，\*就是正则表达式中的符号之一。

## 元字符 ##

<table>  常用元字符  
 <tbody> 
  <tr> 
   <td style="width:119px;"><strong>元字符</strong></td> 
   <td style="width:499px;"><strong>说明</strong></td> 
   <td style="width:288px;"><strong>正则表达式举例说明</strong></td> 
  </tr> 
  <tr> 
   <td style="width:119px;">^</td> 
   <td style="width:499px;">匹配字符串的开始，除非在<strong>方括号表达式</strong>中使用，当该符号在方括号表达式中使用时，表示不接受该方括号表达式中的字符集合。</td> 
   <td style="width:288px;"><strong>方括号表达式</strong>中的使用，请查看字符组一节</td> 
  </tr> 
  <tr> 
   <td style="width:119px;">$</td> 
   <td style="width:499px;">匹配字符串的结尾，如果设置了 RegExp 对象的 Multiline 属性，则 $ 也匹配 '\n' 或 '\r'。</td> 
   <td style="width:288px;">使用修饰符s时可包含换行符"\n"</td> 
  </tr> 
  <tr> 
   <td style="width:119px;">.</td> 
   <td style="width:499px;">匹配任何字符（换行符除外）</td> 
   <td style="width:288px;">"."可匹配"@"</td> 
  </tr> 
  <tr> 
   <td style="width:119px;"> <p>\d</p> </td> 
   <td style="width:499px;">匹配数字,等价于 [0-9]</td> 
   <td style="width:288px;">"\d"可匹配"9"</td> 
  </tr> 
  <tr> 
   <td style="width:119px;">\D</td> 
   <td style="width:499px;"> <p>匹配一个非数字字符，等价于 [^0-9]。</p> </td> 
   <td style="width:288px;">"\D"可匹配"a"</td> 
  </tr> 
  <tr> 
   <td style="width:119px;">\w</td> 
   <td style="width:499px;">匹配字母、数字、下划线，等价于'[A-Za-z0-9_]'。前提是设置了<code>ASCII</code>标志。</td> 
   <td style="width:288px;">"\w"可匹配"_"</td> 
  </tr> 
  <tr> 
   <td style="width:119px;">\W</td> 
   <td style="width:499px;"> <p>匹配非字母、数字、下划线，等价于 '[^A-Za-z0-9_]'。</p> </td> 
   <td style="width:288px;">"\W"可匹配""</td> 
  </tr> 
  <tr> 
   <td>\f</td> 
   <td> <p>匹配一个换页符。等价于 \x0c 和 \cL。</p> </td> 
   <td style="width:288px;"></td> 
  </tr> 
  <tr> 
   <td>\n</td> 
   <td> <p>匹配一个换行符。等价于 \x0a 和 \cJ。</p> </td> 
   <td style="width:288px;"></td> 
  </tr> 
  <tr> 
   <td>\r</td> 
   <td> <p>匹配一个回车符。等价于 \x0d 和 \cM。</p> </td> 
   <td style="width:288px;"></td> 
  </tr> 
  <tr> 
   <td>\t</td> 
   <td> <p>匹配一个制表符。等价于 \x09 和 \cI。</p> </td> 
   <td style="width:288px;"></td> 
  </tr> 
  <tr> 
   <td>\v</td> 
   <td> <p>匹配一个垂直制表符。等价于 \x0b 和 \cK。</p> </td> 
   <td style="width:288px;"></td> 
  </tr> 
  <tr> 
   <td>\s</td> 
   <td> <p>匹配任何空白字符，包括空格、制表符、换页符等等。等价于 [ \f\n\r\t\v]。</p> </td> 
   <td style="width:288px;"></td> 
  </tr> 
  <tr> 
   <td>\S</td> 
   <td> <p>匹配任何非空白字符。等价于 [^ \f\n\r\t\v]。</p> </td> 
   <td style="width:288px;"></td> 
  </tr> 
  <tr> 
   <td>\</td> 
   <td>将下一个字符标记为或特殊字符、或原义字符、或向后引用、或八进制转义符。</td> 
   <td style="width:288px;">"\$"匹配"$"</td> 
  </tr> 
 </tbody> 
</table>

## 修饰符 ##

<table> 
 <tbody> 
  <tr> 
   <th>修饰符</th> 
   <th>含义</th> 
   <th>描述</th> 
  </tr> 
  <tr> 
   <td>i</td> 
   <td>ignore - 不区分大小写</td> 
   <td>将匹配设置为不区分大小写，搜索时不区分大小写: A 和 a 没有区别。</td> 
  </tr> 
  <tr> 
   <td>g</td> 
   <td>global - 全局匹配</td> 
   <td>查找所有的匹配项。</td> 
  </tr> 
  <tr> 
   <td>m</td> 
   <td>multi line - 多行匹配</td> 
   <td>使边界字符 ^ 和 $ 匹配每一行的开头和结尾，记住是<strong>多行</strong>，而不是整个字符串的开头和结尾。</td> 
  </tr> 
  <tr> 
   <td>s</td> 
   <td>特殊字符圆点 . 中包含换行符 \n</td> 
   <td>默认情况下的圆点 . 是 匹配除换行符 \n 之外的任何字符，加上 s 修饰符之后, . 中包含换行符 \n。</td> 
  </tr> 
 </tbody> 
</table>

## 字符组 ##

<table>  字符组  
 <thead> 
  <tr> 
   <th><strong>字符组</strong></th> 
   <th style="width:288px;"><strong>说明</strong></th> 
   <th style="width:99px;"><strong>举例</strong></th> 
   <th style="width:245px;"><strong>举例说明</strong></th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>[...]</td> 
   <td style="width:288px;">匹配字符组里出现的任意一个字符</td> 
   <td style="width:99px;">[123abc]</td> 
   <td style="width:245px;"></td> 
  </tr> 
  <tr> 
   <td>[字符1-字符2]</td> 
   <td style="width:288px;">匹配从字符1到字符2的所有字符</td> 
   <td style="width:99px;">[0-9]、[a-z]</td> 
   <td style="width:245px;">匹配一个数字/英文小写字母</td> 
  </tr> 
  <tr> 
   <td>[^字符1-字符2]</td> 
   <td style="width:288px;">匹配未包含的任意字符。</td> 
   <td style="width:99px;">[^0-9]、[^a-z]</td> 
   <td style="width:245px;">匹配不包含数字/英文小写字母的一个字符</td> 
  </tr> 
  <tr> 
   <td>(正则表达式)</td> 
   <td style="width:288px;">匹配()内的正则表达式，可用于多个字符打包</td> 
   <td style="width:99px;">\d+(\.\d+)?</td> 
   <td style="width:245px;">简单浮点型()，一到多个数字，小数点，一到多个数字，</td> 
  </tr> 
 </tbody> 
</table>

## 重复限定符 ##

<table style="width:599px;">  常用重复限定符  
 <thead> 
  <tr> 
   <th>重复限定符</th> 
   <th>说明</th> 
   <th>正则表达式样例</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>*</td> 
   <td> <p>重复零次或更多次</p> </td> 
   <td>hello!*可匹配hello!!!!等</td> 
  </tr> 
  <tr> 
   <td>+</td> 
   <td> <p>重复一次或更多次</p> </td> 
   <td>hello!+可匹配hello!等</td> 
  </tr> 
  <tr> 
   <td>?</td> 
   <td>重复零次或一次</td> 
   <td>hello!?可匹配hello、hello！</td> 
  </tr> 
  <tr> 
   <td>{M,N}</td> 
   <td>匹配前面出现的正则表达式M到N次</td> 
   <td>[1-9][0-9]{1,2}可匹配二、三位整数</td> 
  </tr> 
  <tr> 
   <td>{N}</td> 
   <td>匹配前面出现的正则表达式N次</td> 
   <td>[1-9][0-9]{1}可匹配两位整数</td> 
  </tr> 
  <tr> 
   <td>{N,}</td> 
   <td>匹配前面出现的正则表达式<strong>至少</strong>N次</td> 
   <td>[1-9][0-9]{1}可匹配两位及以上整数</td> 
  </tr> 
 </tbody> 
</table>

# re模块 #

<table>  常用函数  
 <thead> 
  <tr> 
   <th style="width:382px;">函数</th> 
   <th style="width:523px;">说明</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td style="width:382px;"> <p>match(pattern, string, flags=0)&nbsp;</p> </td> 
   <td style="width:523px;">尝试用正则表达式模式pattem 匹配字符串string，flags 是可选标识符，如果匹配成功，则返回一个匹配对象：否则返回None</td> 
  </tr> 
  <tr> 
   <td style="width:382px;"> <p>search(pattern, string, flags=0)&nbsp;</p> </td> 
   <td style="width:523px;">在字符串string 中搜索正则表达式模式patterm的第一次出现，flags 是可选标识符，如果匹配成功，则返回一个匹配对象：否则返回None</td> 
  </tr> 
  <tr> 
   <td style="width:382px;"> <p>&nbsp;sub(pattern, repl, string, count=0, flags=0)</p> </td> 
   <td style="width:523px;">把字符串string中所有匹配正则表达式patterm的地方替换成字符串repl，如果max的值没有给出，则对所有匹配的地方进行替换（另外，请参考subn（），它还会返回-一个表示替换次数的数值）</td> 
  </tr> 
  <tr> 
   <td style="width:382px;"> <p>findall(string[, pos[, endpos]])</p> </td> 
   <td style="width:523px;">在字符串string中搜索正则表达式模式pattemn的所有（非重复）出现：返回一个匹配对象的列表</td> 
  </tr> 
  <tr> 
   <td style="width:382px;"> <p>&nbsp;finditer(pattern, string, flags=0)</p> </td> 
   <td style="width:523px;">和findall0相同，但返回的不是列表而是迭代器：对于每个匹配，该迭代器返回一一个匹配对象</td> 
  </tr> 
  <tr> 
   <td style="width:382px;"> <p>&nbsp;split(pattern, string[, maxsplit=0, flags=0])</p> </td> 
   <td style="width:523px;">根据正则表达式pattem中的分隔符把字符string分割为-个列表，返回成功匹配的列表，最多分割max次（默认是分割所有匹配的地方）</td> 
  </tr> 
  <tr> 
   <td style="width:382px;"><strong>匹配对象的方法</strong></td> 
   <td style="width:523px;"></td> 
  </tr> 
  <tr> 
   <td style="width:382px;">group(num=0)</td> 
   <td style="width:523px;">匹配的整个表达式的字符串，group() 可以一次输入多个组号，在这种情况下它将返回一个包含那些组所对应值的元组。</td> 
  </tr> 
  <tr> 
   <td style="width:382px;">groups()</td> 
   <td style="width:523px;">返回一个包含所有小组字符串的元组，从 1 到 所含的小组号。</td> 
  </tr> 
 </tbody> 
</table>

## 手机号判断 ##

![20200728190209477.PNG][] 手机号规则

貌似就是第二位没有2，其他的也没什么。

# 手机号
    def phone_number():
        pattern = r'^1[3456789]\d{9}$'
        pho_number = '15732118829'
        res = re.match(pattern, pho_number)
        return res

## 昵称判断 ##

假设昵称规则是数字，英文字母，下划线，不允许数字开头。

# 昵称 英文字母、数字、下划线
    def nick_name():
        pattern = r'^[^\d]\w+$'
        pho_number = 'hbhWFEFf_哈哈'
        res = re.match(pattern, pho_number)
        return res

# b站弹幕礼仪 #

1、不要轻易提及其他up主  
2、不要用弹幕去挡字幕  
3、杜绝毫无意义的刷屏  
4、杜绝主观评价  
5、不要用弹幕与人辩论和争吵  
6、不要发一般人看不懂的外语  
7、杜绝剧透  
8、杜绝无意义低俗空耳  
9、不要在弹幕提及个人信息  
10、尽量避免长篇大论  
11、不要在弹幕问无脑问题  
12、不要发年月日期

来源：[http://www.bilibili.com/video/av709780/][http_www.bilibili.com_video_av709780]

# b站弹幕屏蔽正则 #

## 长弹幕 ##

屏蔽字数长度超过20的弹幕，不懂编程的小伙伴就改里面的数字就好。

/.{20,}/

## 个人信息 ##

### 手机号 ###

屏蔽国内11位手机号

/^1[3456789]\d{9}$/

### QQ号 ###

屏蔽腾讯QQ号，10000开始，目前11位。

/[1-9][0-9]{4,8}/

### 日期 ###

屏蔽2-4位的年,1-2位的月,1-2位的日，使用汉字、“.”、“-”连接。例如，2020年8月9日，2020.8.10，20-8-11等。

/^\d{2,4}[年|\-|\.]\d{1,2}[月|\-|\.]\d{1,2}[日|号|.]*$/

## 无意义 ##

### 现场怪 ###

屏蔽类似：在现场、我在现场、当时在现场、才发现在现场这些弹幕

/^.*在现场$/

### 视频顺序 ###

屏蔽类似：第一、第二个、前三、第5这些弹幕

/^(第|前)[零一二两俩三四五六七八九十\d]个?$/

### 开心 ###

2后面多个3表示开心

/^23+$/

多个字重复，多个哈，多个6等，可以自行添加在后面\[\]中

/^[哈呵哼6xswlawsl]+嗝?$/

有哪些想要屏蔽的弹幕可以下方评论，如有时间我会编写正则并回复。

要求:

1.能够总结出规律

2.误杀率低

# 代码 #

import re
    
    
    # 手机号
    def phone_number():
        pattern = r'^1[3456789]\d{9}$'
        pho_number = '15732118829'
        res = re.match(pattern, pho_number)
        return res
    
    
    # 昵称 英文字母、数字、下划线
    def nick_name():
        pattern = r'^[^\d]\w+$'
        pho_number = 'hbhWFEFf_哈哈'
        res = re.match(pattern, pho_number)
        return res
    
    
    def date1():
        pattern = r'^\d{2,4}[年|\-|\.]\d{1,2}[月|\-|\.]\d{1,2}[日|号|.]*$'
        # bullet = '2020.08.10'
        # bullet = '2020-08-10'
        # bullet = '20-08-10'
        # bullet = '2020年8月10日'
        bullet = '2020年08月10号'
        print(bullet)
        res = re.match(pattern, bullet)
        return res
    
    
    def tooLong():
        pattern = r"^.{20,}$"
        # bullet = '短弹幕短弹幕短弹幕短弹幕短弹幕'
        bullet = '长弹幕长弹幕长弹幕长弹幕长弹幕长弹幕长弹幕长弹幕长弹幕长弹幕长弹幕长弹幕长弹幕长弹幕'
        print(bullet)
        res = re.match(pattern, bullet)
        return res
    
    
    def QQ():
        pattern = r"[1-9][0-9]{4,8}"
        # bullet = '1000'
        bullet = "1187276773"
        print(bullet)
        res = re.match(pattern, bullet)
        return res
    
    
    def happy():
        pattern = r"^[哈呵哼6xswlawsl]+嗝?$"
        # bullet = "666666"
        # bullet = "哈哈哈哈"
        # bullet = "哈哈哈嗝"
        bullet = "awslawslawsl"
        print(bullet)
        res = re.match(pattern, bullet)
        return res
    
    
    def shunxu():
        pattern = r"^(第|前)?[零一二两俩三四五六七八九十\d]+个?$"
        # bullet = "第二"
        # bullet = "前三"
        # bullet = "第二个"
        # bullet = "第5"
        bullet = "前三"
        print(bullet)
        res = re.match(pattern, bullet)
        return res
    
    
    def xianchang():
        pattern = r"^.*在现场$"
        # bullet = "在现场"
        # bullet = "我在现场"
        bullet = "当时在现场"
        print(bullet)
        res = re.match(pattern, bullet)
        return res
    
    
    if __name__ == "__main__":
        # res = phone_number()
        # if res:
        #     print('手机号注册成功！')
        # else:
        #     print('请输入正确的手机号！')
    
        # ans = nick_name()
        # if ans:
        #     print('账号注册成功！')
        # else:
        #     print('账号不符合规则！')
    
        # ans = date1()
        # ans = tooLong()
        # ans = QQ()
        # ans = happy()
        # ans = shunxu()
        ans = xianchang()
        if ans:
            print('已屏蔽')
        else:
            print('无法屏蔽')

未完待续...

ps:为写本文，收集了弹幕，制作了两个视频

[张大仙弹幕统计，仙友们来看看有没有你的弹幕吧！][Link 1]

[b站弹幕设置与屏蔽正则][b]

播放量太惨了，一首《凉凉》送给自己，逛b站的粉丝们去看下两个视频呗，十分感谢！

# 在线工具 #

## 可视化正则 ##

[https://jex.im/regulex/\#!flags=&re=%5E(a%7Cb)\*%3F%24][https_jex.im_regulex_flags_re_5E_a_7Cb_3F_24]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xhZHlfa2lsbGVyOQ_size_16_color_FFFFFF_t_70][]

通过上面的网站，可以更方便的写正则。

## 在线匹配 ##

[https://www.regexpal.com/][https_www.regexpal.com]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xhZHlfa2lsbGVyOQ_size_16_color_FFFFFF_t_70 1][]

# 参考 #

b站张大仙20200810投稿所有视频弹幕

python3.7官方文档：[re---正则表达式操作][re---]

[learn-regix][]

《python核心编程》

[知乎-你最讨厌B站有哪些类型的弹幕？][-_B]

[知乎-你为什么看哔哩哔哩不看弹幕了?][-]

更多python相关内容：[【python总结】python学习框架梳理][python_python]

本人b站账号:[lady\_killer9][lady_killer9]

有问题请下方评论，转载请注明出处，并附有原文链接，谢谢！如有侵权，请及时联系。如果您感觉有所收获，自愿打赏，可选择支付宝18833895206（小于），您的支持是我不断更新的动力。

[20200728190209477.PNG]: /images/20230208/e7d05bb59d184a009d74fb17c437a9d5.png
[http_www.bilibili.com_video_av709780]: http://www.bilibili.com/video/av709780/
[Link 1]: https://www.bilibili.com/video/BV1Bv411v7S4/
[b]: https://www.bilibili.com/video/BV1MZ4y1K7qX/
[https_jex.im_regulex_flags_re_5E_a_7Cb_3F_24]: https://jex.im/regulex/#!flags=&re=%5E%28a%7Cb%29*%3F%24
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xhZHlfa2lsbGVyOQ_size_16_color_FFFFFF_t_70]: /images/20230208/61bad30380ae462492db817567b49010.png
[https_www.regexpal.com]: https://www.regexpal.com/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2xhZHlfa2lsbGVyOQ_size_16_color_FFFFFF_t_70 1]: /images/20230208/d2870a61744a4ecb94238cd8f54d948b.png
[re---]: https://docs.python.org/zh-cn/3.7/library/re.html
[learn-regix]: https://github.com/ziishaned/learn-regex/blob/master/translations/README-cn.md
[-_B]: https://www.zhihu.com/question/313333107
[-]: https://www.zhihu.com/question/338681798/answer/827986605
[python_python]: https://blog.csdn.net/lady_killer9/article/details/108763489
[lady_killer9]: https://space.bilibili.com/374432302