关于正则表达式的问题。大家帮忙看看

jiangnanandi

这是 我写的返回正则所有匹配结果的函数。
def GetRegInfo(res,reg,f=None):
    p = re.compile(reg)
    result= []
    result = p.finditer(res)
    list = []
    for match in result :
        info={}
        if f:
            try:
                info['href']=match.group(1)
                info['list']=match.group(2)
            except:
                pass
            list.append(info)
        else:
            if match.group(1):
                list.append(match.group(1))
            else:
                list.append(match.group(2))
    return list
当res 的 值 等于 http://www.xzqh.org.cn/ONEWS_zq.asp?id=653的HTML代码的时候，
我用正则表达式
reg=ur"([^\x00-\xff]+[市县区镇])"
来匹配里边的地区县信息。但是总是返回 []
请大家帮忙看看。。。。。

xiaoyu9805119

页面返回的是gb2312编码
你用ur的正则是unicode，试试换编码看看

jiangnanandi

谢谢，提醒。问题解决了
根据你的提醒Google了一下。
找到如下：

python 的re模块（即正则表达式模块）默认似乎是用Unicode处理，因此，如果目标文件的编码为GBK（gb2312或cp936，如双狐图形数据的格式）则其匹配结果为空。即下列的语句将得不到任何匹配结果。

        line=inputFile.readline()
        re.search(r'^Layer\sM\s'+'中文匹配词',line):

因此，需要对中文匹配词进行编码转换，即改写上面的语句为：

        keyword=(u'中文匹配词').encode('cp936')

        re.search(r'^Layer\sM\s'+keyword,line):

根据上边这些解决。
谢谢 给分

jiangnanandi

如何给分啊。。找不到结贴的地方。。。。

xiaoyu9805119

谢谢了