关于Python正则表达式的问题
时间：2010-09-10 来源：阿笨猫
代码
#coding=utf-8
import re
str=r'<docitem key="founded_place"><![CDATA[中国 广东 深圳]]></docitem>'
r=re.compile(r'<docitem key="(.*)">(.*)</docitem>')
m = r.match(str)
print m.group(0)
print m.group(1)
print m.group(2)
print '==========================================='
str2=m.group(2)
str2=str
print str2
r2=re.compile(r".*<!\[CDATA\[(.*?)]]>")
m2 = r2.match(str2)
print m2.group(1)
<docitem key="founded_place"><![CDATA[中国 广东 深圳]]></docitem>
founded_place <![CDATA[中国 广东 深圳]]> =========================================== <docitem key="founded_place"><![CDATA[中国 广东 深圳]]></docitem> 中国 广东 深圳
这里有和perl正则表达式不同的地方 ，如果在perl中，模式串为(r"<![CDATA[(.*?)]]>")即可，但是在Python中，前面必须加上".*",才能正常使用，还有"["必须加反斜线转义。最终如下式所示：
(r".*<!\[CDATA\[(.*?)]]>")
二
另外一个问题是Python对于编码问题处理的不是很好，很多时候不同编码的字符需要改变编码方式
#! /usr/bin/env python
#coding=utf-8
import sys
reload(sys)
sys.setdefaultencoding('gbk')
import re
pchinese=re.compile(ur'([\u4e00-\u9fa5]+)+?',re.U)
s=u'12345测试用字符串67890,45这是另一个44哈'
m=pchinese.findall(s)
if m:
print( '|'.join(m))
else:
print( 'no found!')
三
#! /usr/bin/env python
#coding=utf-8
#! /usr/bin/env python
#coding=utf-8
import re
import sys
reload(sys)
sys.setdefaultencoding('gbk')
str1=r'<docitem key="founded_place"><![CDATA[中国 广东 深圳]]></docitem>'
#str1=r" CDATA[中国 广东 深圳]"
#str1=unicode(str1, 'utf8')
print type(str1)
re2=r".*CDATA\[(.*?)\]"
#re2=unicode(re2, 'utf8')
#print type(re2)
r= re.compile(re2) #[\u4e00-\u9fa5]
m = r.match(str1)
print m.group(0)
print m.group(1)
相关阅读 更多 +
