python正则表达式中的中文匹配例子

最新推荐文章于 2020-12-02 00:55:26 发布

原创最新推荐文章于 2020-12-02 00:55:26 发布 · 334 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#正则表达式 #python #中文

python 专栏收录该内容

2 篇文章

订阅专栏

本博客展示了如何使用Python获取网页信息，利用正则表达式匹配中文标题，并进行UTF-8转码。适用于网站内容抓取和网页分析。

#coding=utf-8 
import re 
from urllib2 import urlopen 

webpage = urlopen('http://www.baidu.com')       #获取百度页面的信息
text = webpage.read()                           #读取为文本
tmp = text.decode('utf8')                       #对原文本进行utf8转码, 此处要跟代码的编码格式一致
pat = '<title>(.*)?([\u4e00-\u9fa5]*)?</title>' #对中文进行匹配
re.escape(pat)                                  #对匹配模式中需要转义的符号进行转义
pat = re.compile(pat)                           #compile一下
m = re.search(pat,tmp) 
title = m.group(1) 
print title 
webpage.close()

在unicode中, 中文是\u4e00-\u9fa5