记一个正则表达式匹配的错误

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，，，，

转载于:https://www.cnblogs.com/prisoner/p/3699716.html