上一篇文章说了,如果在中文中夹杂着英文就不行了。关于中文夹杂英文,我们见下面:
import re
import sys
type = sys.getfilesystemencoding()
test = "<a href=\"/article/118941806\" target=\"_blank\" class=\'contentHerf\' ><div class=\"content\"><span>神一般的巧合<br/>一个11朋友11,关系很好,就是那种你一张嘴他就知道你要说啥,好久没联系了,那天跟他聊天,然后他说要不交换qq干和密码玩,我说可以,我的密码是前面几个字母,后面是520,没想到他的秘码是前面是几个字母,后面是1314,突然心里面真的有一种感觉,想要跟他一辈子在一起的的感觉,却迫于某些原因却只能说是真的好巧,心里面那些波涛汹涌的话到嘴边又咽下去。不知道他有没有玩糗百,会不会看见</span></div></a>"
pattern = re.compile('(<br/>)')
test = pattern.sub('', test)
if sys.version_info < (3, 4): #python 判断 :https://segmentfault.com/q/1010000000127878
pattern = re.compile('a href="/article/118941806" target="_blank" class=\'contentHerf\' ><div class="content"><span>(.*[\x80-\xff]+)')
else:
pattern = re.compile('a href="/article/118941806" target="_blank" class=\'contentHerf\' ><div class="content"><span>(.*[\u4e00-\u9fa5]+)')
items = re.findall(pattern, test)
for item in items:
print item
输出如下:
神一般的巧合一个11朋友11,关系很好,就是那种你一张嘴他就知道你要说啥,好久没联系了,那天跟他聊天,然后他说要不交换qq干和密码玩,我说可以,我的密码是前面几个字
母,后面是520,没想到他的秘码是前面是几个字母,后面是1314,突然心里面真的有一种感觉,想要跟他一辈子在一起的的感觉,却迫于某些原因却只能说是真的好巧,心里面那些
波涛汹涌的话到嘴边又咽下去。不知道他有没有玩糗百,会不会看见