正则匹配

问题：在对番剧标题进行爬取时，不能找到有效的识别中文字符的方法

解决办法：

1. 改进正则匹配表达式，如'[\u4e00-\u9fff]+'
可以匹配所有中文字，参考如下文章可以匹配更多字符：
   参考链接：https://www.cnblogs.com/mmix2009/p/3220427.html
2. 由于本次爬取的时候发现标题中不仅含有中文，所以1中涉及的方法不是很适用，需要扩大范围，所以本例中观察特殊情况"index":"17","index_title":"TRAPNEST 演唱会","mid":928123,由于确定标题内容位于"index_title":和"mid":中间，切前后各有一个”，所有采取"index_title":"?[^"]+"?,"mid"匹配方式，解释如下，前后各一个”，中间为所有不为”的字符，[^”]表示除”外字符，实际效果满足需求。
3. 在实际尝试中，尝试过[^\x00-\xff]，也不能实现，与1中效果类似；
4. 在提取出"index_title":"TRAPNEST 演唱会"部分后，仍按照上述匹配方式会匹配"index_title"部分，所以采取字符串切片方式即string.split()方法，如index.split(':')

除了以上问题外，需要主要的是在urllib2.urlopen.read时，需要注意解码方式，默认解码为unicode，可使用encode进行再次编码，之后再次调用的时候需要注意保持一致。