python爬虫学习(1)--关于正则表达式输入和提取中文

做爬虫时，可能会遇到的小问题，拿出来分享一下

1.关于正则表达式中类型转换问题

我们在使用

soup.findAll('tag')

得到的是下面的数据类型

class 'bs4.element.Tag'

但是，这种类型是不能带入正则表达式的，必须要转换格式，使用下面的即可

aa = soup.findAll('tag')aa = unicode('aa')

将 aa 的格式转换为 unicode即可

2.关于如何提取中文

没有可以直接利用的工具，故我们考虑将我们不要的去掉，留下中文

接着对上面 得到的 aa 进行处理

aa = re.sub(r'[a-zA-Z]','',aa)

关于去掉什么，我们要根据实际问题来确定，这里是去掉英文字母

以上，就是两个小问题