标签:des style blog color strong for ar div log
1 #coding=utf-8 2 import re 3 import chardet#检测网页编码形式的模块 4 5 p = re.compile(r‘\d+‘) 6 print p.findall(‘one1two2three3four4‘) 7 8 a="rewfd231321ewq21weqeqw" 9 p=re.compile(r"(\d+)\D+(\d+)",re.S) 10 b=p.findall(a) 11 print b 12 13 a=u"我爱@糗百,你呢" 14 print a 15 b=re.findall (u"(.+?)@糗百(.+)",a,re.S) 16 print b 17 for i in b: 18 for j in i: 19 print j
结果:
[‘1‘, ‘2‘, ‘3‘, ‘4‘]
[(‘231321‘, ‘21‘)] #findall的结果是[(),()]这种形式的,如果元组只有一个元素,则是["",""]这样子的
我爱@糗百,你呢
[(u‘\u6211\u7231‘, u‘\uff0c\u4f60\u5462‘)]
我爱
,你呢
——————————————————————————————————————————
如果不知道汉字文本的编码,比如说是一段网上爬来的文字(通常情况下就是不知道的)
1 import re 2 import chardet#检测网页编码形式的模块 3 4 a="我爱@糗百,你呢" 5 if isinstance(a, unicode) : 6 pass 7 else: 8 codesty=chardet.detect(a) 9 a=a.decode(codesty[‘encoding‘]) 10 print a 11 b=re.findall (u"(.+?)@糗百(.+)",a,re.S) 12 print b 13 for i in b: 14 for j in i: 15 print j
则利用chardet这个模块得到它的编码,并将其转化为unicode
结果:
我爱@糗百,你呢
[(u‘\u6211\u7231‘, u‘\uff0c\u4f60\u5462‘)]
我爱
,你呢
当然,如果想双击,py在windows下演示,得到的字符串应该再加j.encode("GBK")
注意:处理中文前要将其转化为unicode,不要ascii码直接正则匹配,ascII码如何转Unicode?遇到再说吧~
标签:des style blog color strong for ar div log
原文地址:http://www.cnblogs.com/fkissx/p/3935875.html