每日10行代码24：在网页中使用正则表达式出错——要注意特殊字符

昨天在爬取人民日报项目中，有个地方是爬取作者的名字，写了正则表达式，但老是返回不了结果。今天检查了下，原来是特殊字符的原因。
网页中源代码是这样的：
我把这段代码复制出来专门测试正则：

</founder-date>
<founder-author>
施小琳
</founder-author>
<founder-title>为红土地描绘新画卷筑牢坚实道德根基（推进新时代公民道德建设）

我想用正则取出施小琳，用的以下的正则表达式：

pat = r'<founder-author>([\s\S]*?)</founder-author>'

写的代码是：

import re

txt = '''
<!--mpproperty <founder-date>
2020-09-11
</founder-date>
<founder-author>
施小琳
</founder-author>
<founder-title>为红土地描绘新画卷筑牢坚实道德根基（推进新时代公民道德建设）
'''
pat = r'<founder-author>([\s\S]*?)</founder-author>'
pat2 =  r'<founder-author>\n(.*?)\n</founder-author>'
author = re.search(pat2,txt)
print(author.group(1))

输出结果：

运行:C:\Python36\python.exe 无标题3.py

施小琳

输出结束,返回值是[0].

结果前后有两个空行，于是我修改了下正则表达式：

pat2 =  r'<founder-author>\n(.*?)\n</founder-author>'

输出结果：

运行:C:\Python36\python.exe 无标题3.py
施小琳
输出结束,返回值是[0].

不错没有换行，达到预想的效果，我马上把正则复制到正式程序中去测试，结果提示：

AttributeError: 'NoneType' object has no attribute 'group'

说明没有找到相关的字符，这就让我相当困惑了。还以为自己程序哪里写错了，于是我加了

print(repr(get_html(url)))

来查看原始字符串：

\r\n<founder-author>\r\n施小琳\r\n</founder-author>\r\n

原来原始的html里还有一个 \r ，我在写正则时没有考虑这个，所以匹配不出来，然而我前面复制出来单独写正则时却匹配出来了，这是因为在可能在复制文本时，文本编辑器把默认的\r给去掉了，所以才造成两边的差异。

总结：一些字符串里常常含有一些不可见字符，在用正则匹配时要注意。解决办法：用repr函数输出原始字符串。