python正则表达式中要匹配汉字怎么弄

Question

想写可正则表达式抓取url
目标地址如下

原文链接：<a href="http://www.darkreading.com">

请问这样的怎么写？？ 主要是汉字不会处理
目前想用 m1=re.findall('正则',t1) 这种方法写 求指点

Answer 1

>>> import re
>>> pattern = re.compile(r'^\u539f\u6587\u94fe\u63a5\uff1a<a href=\"(http:\/\/.*)\">$')
>>> match = pattern.match('原文链接：<a href="http://www.darkreading.com">')
>>> match.group(1)
'http://www.darkreading.com'

Answer 2

小提示，py2的话，可以用字符串前缀 u''
如: ur'原文链接：<a href="(.*?)">'

Answer 3

我写 js 的，正则的话，可以匹配 u... 这种汉字码，有个范围，u4e00-u9fa5 是简体好像。。。

Answer 4

要考虑你抓下的网页是用什么编码实现的

Answer 5

希望这是你想要的答案：

Answer 6

import re
s='原文链接：<a href="http://www.darkreading.com">'
ptn = re.compile('原文链接[^<]*?<a[^>]*?href="([^"]*)')
print(ptn.findall(s))