代码是这样
1 htmlSource='<meta charset="gbk" />' 2 charset = re.findall('<meta.*?charset=(.*?)".*?>',htmlSource)
开始想把'gbk'匹配出来,由于HTML文件的meta标签各个网站的不一样,于是只能按照上面的写法,先匹配出‘“gbk’,再把"去掉,可是这么天真的正则表达式却匹配错误了,因为从地一个"开始就已经把结果匹配出来了,所以结果只能是匹配错了
然后改为
htmlSource='<meta charset="gbk" />' charset = re.findall('<meta.*?charset="?(.*?)".*?>',htmlSource)
这样就可以了
后来测试了一下,如果字符串为
htmlSource="<meta charset="gbk" />"
或为
htmlSource='<meta charset='gbk"'/>'
结果都会出错,因为外层引号会内层引号不能相同,否则就会报错,所以一定要保持外层引号与内层引号不相同,不能全是单引号也不能全是双引号,如果是那样的话,字符串本身就是错误的,,,,,,,(有点迷糊)
待续,,,,