Hi我想在下面的字符串中使用unicode utf-8的正则表达式：
</td><td>عـــــــــــادي</td><td> 40.00</td>
字符串我想把"عـــــــــــادي"取出来，怎么做？我的代码是：
"عـــــــــــادي"
state = re.findall(r'td>...</td',s)
型谢啦，谢啦
0h4hbjxa1#
我在尝试匹配俄语字符串时遇到了类似的东西。对于你的情况，米歇尔的回答很好。如果你想使用特殊的序列，如\w和\s，你必须改变一些东西。我只是分享这个，希望对其他人有用。
\w
\s
>>> string = u"</td><td>Я люблю мороженое</td><td> 40.00</td>"
字符串通过在引号前放置u使字符串变为unicode
u
>>> pattern = re.compile(ur'>([\w\s]+)<', re.UNICODE)
型将标志设置为unicode，这样它也将匹配unicode字符串（参见文档）。（或者，您可以使用本地语言设置范围。对于俄语，这将是[а-яА-Я]，因此：
[а-яА-Я]
pattern = re.compile(ur'>([а-яА-Я\s]+)<')
型在这种情况下，您不必再设置标志，因为您没有使用特殊的序列。）
>>> match = pattern.findall(string) >>> for i in match: ... print i ... Я люблю мороженое
型
ercv8c1e2#
根据PEP 0264: Defining Python Source Code Encodings，首先你需要告诉Python整个源文件是UTF-8编码的，方法是在第一行添加这样的注解：
# -*- coding: utf-8 -*-
字符串此外，尝试在字符串之前添加'ur'，以便它是**raw* 和 Unicode*：
state = re.search(ur'td>([^<]+)</td',s) res = state.group(1)
型我还编辑了你的正则表达式使其匹配。三个点表示“正好三个字符”，但由于您使用的是UTF-8，这是一种多字节编码，因此可能无法按预期工作。
2条答案
按热度按时间0h4hbjxa1#
我在尝试匹配俄语字符串时遇到了类似的东西。对于你的情况，米歇尔的回答很好。如果你想使用特殊的序列，如
\w和\s，你必须改变一些东西。我只是分享这个，希望对其他人有用。字符串
通过在引号前放置
u使字符串变为unicode型
将标志设置为unicode，这样它也将匹配unicode字符串（参见文档）。
（或者，您可以使用本地语言设置范围。对于俄语，这将是
[а-яА-Я]，因此：型
在这种情况下，您不必再设置标志，因为您没有使用特殊的序列。）
型
ercv8c1e2#
根据PEP 0264: Defining Python Source Code Encodings，首先你需要告诉Python整个源文件是UTF-8编码的，方法是在第一行添加这样的注解：
字符串
此外，尝试在字符串之前添加'ur'，以便它是**raw* 和 Unicode*：
型
我还编辑了你的正则表达式使其匹配。三个点表示“正好三个字符”，但由于您使用的是UTF-8，这是一种多字节编码，因此可能无法按预期工作。