目前還在python爬蟲的學習中，遇到了對爬取的網頁原始碼無法匹配其中的中文的問題，今天把解決方法給總結了一下：
response = urllib2.urlopen(request, context = context)
data = response.read()
data = unicode(data, "gb2312")restr = ur"工作職責"
regex = re.compile(restr, re.ignorecase)
list = regex.findall(data)
print list[0]
關於為什麼寫了這個就可以了，原因如下：
首先先了解一下python中文的編碼環境問題：
1.python檔案預設的編碼格式是ascii ，無法識別漢字，因為ascii碼中沒有中文。
2.所以py檔案中要寫中文字元時，一般在開頭加 # -- coding: utf-8 -- 或者 #coding=utf-8。
這是指定一種編碼格式，意味著用該編碼儲存中文字元(也可以是gbk、gb2312等)。
簡單來說就是：編碼意味著 unicode -> ch-str，解碼意味著 ch-str -> unicode，
因此我們可以通過chardet檢視爬取網頁的原始碼編碼格式是什麼，接著再使用對應的編碼將其unicode，然後才可以進行中文的正則匹配。
注意：1.由於我上面的網頁原始碼是「gb2312」編碼，因此我使用unicode(data,「gb2312」)
2 .關於python的chardet這個模組，功能主要是檢測傳入資料的編碼格式，具體的細節可以自行查閱相關資料
Python中使用正規表示式
python unix與linux系統管理指南 學習筆記 python中使用正規表示式，應該要養成建立編譯後的正規表示式的習慣，使用方法如下 usr bin env python import re def run re pattern error re obj re.compile pattern...
Python中使用正規表示式
本文通過示例來描述如何在python中使用正規表示式來統計文字中的所有數字。示例中的文字來自命令列的管道資料，sys.stdin.readlines 主要是因為作者需要在命令列的輸出資訊中做數字統計。示例 1，列出根目錄下所有檔案或資料夾的名稱字串中包含的數字 import re for name ...
Python中使用正規表示式
本文通過示例來描述如何在python中使用正規表示式來統計文字中的所有數字。示例中的文字來自命令列的管道資料，python view plain copy sys.stdin.readlines 主要是因為作者需要在命令列的輸出資訊中做數字統計。示例 1，列出根目錄下所有檔案或資料夾的名稱字串中包含...