【Python】正则表达式案例

最新推荐文章于 2025-05-07 17:05:43 发布

Ezreal all

最新推荐文章于 2025-05-07 17:05:43 发布

阅读量256

点赞数

CC 4.0 BY-SA版权

分类专栏：【Python】

本文链接：https://blog.youkuaiyun.com/Teemo2020/article/details/104522004

【Python】专栏收录该内容

7 篇文章

订阅专栏

本文详细介绍了如何通过特定的字符串模式来判断一篇文章是否为腾讯原创，包括版权申明、作者归属和内容出品等关键信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

参考链接：
https://baijiahao.baidu.com/s?id=1633792644929614025&wfr=spider&for=pc

匹配寻找特定字符串，该字符串的开头和末尾固定，中间要控制在特定范围的字符数

案例：

判断文章是否为腾讯原创，特征样例有如下：

（2）腾讯…讯（但是要排除腾讯xxxx腾讯这种情况），比如如下这种就不能算原创特征：

免责声明：本文来自腾讯新闻客户端自媒体，不代表腾讯新闻、腾讯网的观点和立场。

（3）…出品| 腾讯新闻
（4）作者为腾讯xxx
（5）腾讯xx （文/xx）腾讯xx （撰写/xx）

def judge_original_for_tencent(author,content):
    content = content.replace("\n","")
    regex_str_list = [
        r'腾讯.{0,10}[^腾]讯',
        #r'腾讯.{0,10}讯',
        r'腾讯.{0,20}(文/|撰写/|/文).{0,10}）',
        r'(【版权声明】|【声明】|版权声明|声明|本文|此文|本作品|权责声明).{0,50}腾讯.{0,70}(法律责任|不得转载|谢绝转载|禁止转载|转载)',
        r'出品.{0,20}腾讯',
    ]
    head_tags = ["腾讯体育","腾讯娱乐","腾讯科技"]
    for reg_str in regex_str_list:
        regex_obj = re.compile(reg_str)
        matchObj = regex_obj.search(content)
        if matchObj:
            return matchObj[0]
    if "腾讯" in author:
        return "作者为: " + author
    for head_tag in head_tags:
        if head_tag in content[:100]:
            return head_tag