正则的一点问题及抓取must（str）

#!/usr/bin/env python# encoding: utf-8"""@version: $@author: wenjiaGuo@license: Apache Licence @contact: [e-mail]@site: http://www.baidu.com@software: PyCharm@file: zhegnze.py@time: 2017/9/6 19:48"""import re###测试1#如果直接进行编译，括号中不能加双斜杠p = re.compile(r"共(\d+)条职位")a=r'共5461条职位'print type(a)print p.findall(a)### 测试2.#如果不是直接预编译，可以加上双斜杠和单斜杠效果是一样的。restr = """共(\d+)条职位"""regex = re.compile(restr, re.IGNORECASE)temp = regex.findall(r'共5461条职位')print(temp)

[编码问题超级大招]

主要针对python2.
python3不会出现这种情况。

str的类型有很多，比如str,gbk,decode("utf-8")#但是这些类型都是不一样的，#需要记住的最重要的一点是，#你用什么方式编码，最后要用什么编码方式，一定要用什么方式解码才行。a="python 数据"print type(a)a=a.decode("utf-8").encode("gbk").decode("gbk").encode("utf-8")#为什么会出现上面的情况？因为a默认就是utf-8,你就必须先解码utf-8,再编码gbk.编码成gbk之后，如果你又想改回utf-8,就要先decode成gbk，后编码成utf-8.##再举一例。    #从黑窗口传过来的中文字符。    print keyword, type(keyword)    #打印的结果是str类型的。    keyword1=urllib.quote(keyword.decode("gbk").encode("utf-8"))#为什么要这么做    print keyword1,type(keyword1)#还是str类型的。    你可能会问，这是什么鬼？    其实，这个是使用python写脚本的时候，我想传中文过来。但是发现url里面一直转不了类型。后来我发现，传过来的其实是gbk，而urllib.quote(a)里面的a必须是utf-8类型的，这个时候应该怎么做？那就只能先解开gbk，转码为utf-8.

再来一例

#!/usr/bin/env python# encoding: utf-8"""@author: wenjiaGuo@contact: [e-mail]@software: PyCharm@file: paGirl2.py@time: 2017/9/7 20:10"""import sysimport urllib# reload(sys)# sys.setdefaultencoding("utf-8")a="python 数据"print type(a)a=a.decode("utf-8").encode("gbk").decode("gbk").encode("utf-8")print type(a)#这个需要重视的是，如果a不是utf-8类型的，是gbk，是会报错的。a=urllib.quote(a)url = str("http://search.51job.com/jobsearch/search_result.php?fromJs=1&keyword=")+a+"&keywordtype=2&lang=c&stype=2&postchannel=0000&fromType=1&confirmdate=9"print url

注意！！！！

<type 'str'>['5461']['5461']

这里必须是str，才能进行查找，如果是unicode，必须先转换成字符串。
可以通过decode的方式，也可以直接在文件上方添加三行代码。解决出现的编码问题。

import sysreload(sys)sys.setdefaultencoding('utf-8')

如果url里面有汉字，会对字符串产生切割，因为没办法识别。

这个时候，你可以通过urllib.quote(a)就可以完成字符串转unicode的转码。这个时候再进行字符串的拼接，就可以了。

import sysimport urllibreload(sys)sys.setdefaultencoding("utf-8")a="python 数据"a=urllib.quote(a)url = str("http://search.51job.com/jobsearch/search_result.php?fromJs=1&keyword=")+a+"&keywordtype=2&lang=c&stype=2&postchannel=0000&fromType=1&confirmdate=9"print url

可以不看，如果url汉字问题还没有解决，再看。

需要将中文转成url编码，只需要使用python提供的urllib库就可以。>>>import sys,urllib>>>s = "中文编码">>>print s中文编码>>> urllib.quote(s)'%BF%D5%D6%AE%BE%B3%BD%E7'    ---->请注意，原作者这里输出的是utf-8格式，而我却是gbk所以，为了保证按照指定的格式输出，调用sys库下面提供的函数>>>s_utf=s.decode(sys.stdin.encoding).encode("utf-8")    # 若想要gbk格式则把这行里的"utf-8"换成"gbk">>> print s_utf绌轰箣澧冪晫         # 嗯……竟然是乱码，不过这个不用管它~>>> urllib.quote(s_utf)'%E7%A9%BA%E4%B9%8B%E5%A2%83%E7%95%8C'     # 数一数，正好十二组，也就是四个汉字至于与quote方法相对应的，则是unquote方法，作用是还原被quote函数转码过的字串。>>>urllib.unquote(urllib.quote(s)) ---->出来的结果是s字符串本身唯一需要在意的是这句：s.decode(sys.stdin.encoding).encode("utf-8")   将一个字符串s先使用系统标准编码方式进行解码，再将其结果重新编码为指定的格式。在我自己的系统上，sys.stdin.encoding就等于"gbk"