正则如何匹配网页上的中文？？

西风碧树

<span id="txtCity">吉林</span> 用.匹配不出字符串中的中文？？？

挥舞乾坤

给你个我自己用的取文本的函数,不是很完美有些时候会报错,不过绝大多数时候可以用

1. import re
   
2. 
   
3. def qwb(text, start_str, end_str):
   
4.     cmp = re.compile(start_str+'(.*?)'+end_str,re.S)
   
5.     result = cmp.search(text)
   
6.     return result and result.group(1)
   
7. 
   
8. if __name__ == '__main__':
   
9.     text = '<span id="txtCity">吉林</span>'
   
10. 
    
11.     s1 = 'id="txtCity">'
    
12.     s2 = '</span>'
    
13.     print(qwb(text,s1,s2))
    

复制代码

西风碧树

挥舞乾坤 发表于 2016-6-6 10:27
给你个我自己用的取文本的函数,不是很完美有些时候会报错,不过绝大多数时候可以用

嗯嗯，能不能用findall方法？

挥舞乾坤

西风碧树 发表于 2016-6-6 14:51
嗯嗯，能不能用findall方法？

可以用findall,不过需要注意一下,没匹配到结果的情况下,返回空列表,如果用下标访问,会越界,需要判断一下

jylee

同求～

西风碧树

挥舞乾坤 发表于 2016-6-6 15:30
可以用findall,不过需要注意一下,没匹配到结果的情况下,返回空列表,如果用下标访问,会越界,需要判断一下

嗯嗯，我想获得爬来网页中的中文啊，比如爬糗事百科中的文字

whuer_py

findall