如果需要在ｒｅｇｅｘ表达式里用中文，应该注意些什么问题。

比如：
r = '微软'
s = open(file).read()
m = re.findall(r,s)

程序和读入的文件都是utf-8编码了，但是仍然匹配不上，正则表达式我在regexbuddy下调试没有问题。

关于中文的处理，程序内部统一用unicode字符串比较好，可以避免很多诡异的问题。
所有的外部输入在第一时间解码，输出时再相应编码就行了。

不过就你的例子来说，我这里即使不用unicode测试倒也没有问题。

On 6/22/06, chen arthur <agakong at gmail.com> wrote:
>
> 如果需要在ｒｅｇｅｘ表达式里用中文，应该注意些什么问题。
>
> 比如：
> r = '微软'
> s = open(file).read()
> m = re.findall(r,s)
>
> 程序和读入的文件都是utf-8编码了，但是仍然匹配不上，正则表达式我在regexbuddy下调试没有问题。
>
>
-------------- next part --------------
An HTML attachment was scrubbed...
URL: http://lists.exoweb.net/pipermail/python-chinese/attachments/20060622/c302da27/attachment.html

你是怎么测试的，我怎么测试都匹配不上。
统一用unicode怎么用。
我的原始文件：
# -*- coding: utf-8 -*-
import urllib,re
r = '微软'
f = urllib.urlopen('http://localhost/123.html')
s = f.read()
a = re.findall(r,s)
if not a:
   print 'error'

其中123.html是utf-8编码，程序文件也是utf-8编码

在 06-6-22，swordsp<sparas2006 at gmail.com> 写道：
> 关于中文的处理，程序内部统一用unicode字符串比较好，可以避免很多诡异的问题。
> 所有的外部输入在第一时间解码，输出时再相应编码就行了。
>
> 不过就你的例子来说，我这里即使不用unicode测试倒也没有问题。
>
>
> On 6/22/06, chen arthur < agakong at gmail.com> wrote:
> > 如果需要在ｒｅｇｅｘ表达式里用中文，应该注意些什么问题。
> >
> > 比如：
> > r = '微软'
> > s = open(file).read()
> > m = re.findall(r,s)
> >
> > 程序和读入的文件都是utf-8编码了，但是仍然匹配不上，正则表达式我在regexbuddy下调试没有问题。
> >
> >
>
>
> _______________________________________________
> python-chinese
> Post: send python-chinese at lists.python.cn
> Subscribe: send subscribe to
> python-chinese-request at lists.python.cn
> Unsubscribe: send unsubscribe to
> python-chinese-request at lists.python.cn
> Detail Info:
> http://python.cn/mailman/listinfo/python-chinese
>
>

On 6/22/06, chen arthur <agakong at gmail.com> wrote:
> 你是怎么测试的，我怎么测试都匹配不上。
> 统一用unicode怎么用。
> 我的原始文件：
> # -*- coding: utf-8 -*-
> import urllib,re
> r = '微软'
> f = urllib.urlopen('http://localhost/123.html')
> s = f.read()
> a = re.findall(r,s)
> if not a:
>    print 'error'
>
> 其中123.html是utf-8编码，程序文件也是utf-8编码
>
建议你先在命令行下试试。

-- 
I like python!
My Blog: http://www.donews.net/limodou
My Django Site: http://www.djangocn.org
NewEdit Maillist: http://groups.google.com/group/NewEdit