标签：
遇到了一个小虫，特记录之。
1.正则表达式及英文的处理如下：
>>> import re >>> b=‘adfasdfasf<1safadsaf>23wfsa<13131>‘ >>> pat = re.compile(‘<.*?>‘) >>> pat.findall(b) [‘<1safadsaf>‘, ‘<13131>‘]
2. 换成中文貌似就没反应了
>>> msg="<Fault warning -- \xb4\xed\xce\xf3!\n\n\xb2\xfa\xc6\xb7\xb1\xe0\xba\xc5\xb1\xd8\xd0\xe8\xce\xa8\xd2\xbb,\xd0\xc2\xb1\xe0\xba\xc53123\xb6\xd4\xd3\xa6\xb5\xc4\xb2\xfa\xc6\xb7\xd2\xd1\xbe\xad\xb4\xe6\xd4\xda!\n\xc8\xe7\xb9\xfb\xc4\xfa\xca\xd4\xcd\xbc\xcd\xa8\xb9\xfd\xb8\xb4\xd6\xc6\xc0\xb4\xc9\xfd\xbc\xb6\xb2\xfa\xc6\xb7\xd4\xf2\xcb\xb5\xc3\xf7\xb4\xcb\xb2\xfa\xc6\xb7\xd2\xd1\xbe\xad\xb4\xe6\xd4\xda\xc9\xfd\xbc\xb6\xb0\xe6\xa3\xac\xc7\xeb\xc1\xf4\xd2\xe2\xa1\xa3: ‘‘>" >>> pat.findall(msg) []
仔细分析了下貌似因为其中的\n字符！
甚为不解，又try了一把：
>>> msg =‘<\r>asdasf<asdfaf>‘ >>> pat.findall(msg) [‘<\r>‘, ‘<asdfaf>‘] >>> msg=‘<\n>adf<afd>‘ >>> pat.findall(msg) [‘<afd>‘] >>> msg=‘<\s>adaf<asdfa>‘ >>> pat.findall(msg) [‘<\\s>‘, ‘<asdfa>‘] >>> msg=‘<\n>asdfasf<asfa>‘ >>> pat.findall(msg) [‘<asfa>‘]
确实点号无法匹配特殊字符‘\n‘!
在这里找到了说明。
| . | 匹配除 "\n" 之外的任何单个字符。要匹配包括 ‘\n‘ 在内的任何字符，请使用象 ‘[.\n]‘ 的模式。 |
3.[.\n]的尴尬情况
>>> pat= re.compile(‘<[.\n]*?>‘) >>> pat.findall(msg) [‘<\n>‘]
>>> msg ‘<\n>asdfasf<asfa>‘
>>> msg=‘<\nasdfs>adaf<adaf>‘ >>> pat.findall(msg) []
暂时没有更好的解
标签：
原文地址：http://www.cnblogs.com/Tommy-Yu/p/4194991.html
