用python检索汉字的坑点

因为工作需要，写一个python脚本，检索文件中的所有汉字，遇到了一点坑

检索一类特征的东西当然需要用正则表达式了，python中的re

先看原始代码，python版本2.7

#!/sr/bin/env python
# -*- coding: utf-8 -*-
import os
import sys
import re

def searchword(path):
    f = open(path)
    lines = f.readlines()
    pattern = re.compile(u"[\u4e00-\u9fa5]+")
    for line in lines:
        line.decode('utf8')
        results = re.findall(pattern, line)
        for str in results:
            print str
    f.close()

按照网上的林林总总，这样写看着没有什么问题，但是测试通不过，检索不出汉字

为什么呢？

先是想编码问题，可是已经

line.decode('utf8') utf8编码了呀，应该没问题才对，为了测试，加了一句代码

line.decode('utf8')
print isinstance(line, unicode) 

结果为False, 所以显然字符串编码非unicode，具体原因还未知，python也是即用即查的，后续认真探索一下

line.decode('utf8')  ----->  line = unicode(line, 'utf-8')代码替换城这个，发现编码为unicode了，检索也好使了，暂且记录一下，原因待查

line.decode('utf8')