如何应对变音符号，而试图匹配正则表达式在Python

Question

尝试使用Unicode的HTML转义正则表达式变音符号：

#!/usr/bin/python 
# -*- coding: utf-8 -*- 
import re 
htmlstring=u'''/">čćđš</a>.../">España</a>''' 

print re.findall(r'/">(.*?)</a', htmlstring, re.U) 

生产：

[u'\u010d\u0107\u0111\u0161', u'Espa\xf1a'] 

任何帮助，请？

Answer 1

这似乎是一个编码问题。您的代码正在运行。你期望有什么不同吗？您的前缀为u的字符串是unicode文字。以\u开头的字符是unicode字符，后跟四个十六进制数字，而以\x开头的字符是unicode字符，后跟两个十六进制数字。如果打印出来（而不是看着他们__repr__方法）你的结果，你会看到你收到的结果，它显示你正在寻找：

results = [u'\u010d\u0107\u0111\u0161', u'Espa\xf1a'] 
for result in results: 
    print result 

čćđš 
España 

在你的代码（即在列表中）你看到这些Unicode文本的表示：

for result in results: 
    print result.__repr__() 

u'\u010d\u0107\u0111\u0161'  # what shows up in your list 
u'Espa\xf1a' 

顺便说一句，似乎您试图用正则表达式解析HTML。你应该尝试BeautifulSoup或类似的东西。它会为你节省大量的头痛。