蟒蛇正则表达式使用UTF8问题(python regular expression with utf

我有一个文件，其中包括简单的UTF-8文本的多条线路。 如下面，靠了靠，这是中国人。

PROCESS：类型：关爱积分[NOTIFY]   交易号：2012022900000109   订单号：W12022910079166    交易金额：0.01元    交易状态：true 2012-2-29 10:13:08

文件本身保存在UTF-8格式。 文件名是xx.txt

这里是我的Python代码，ENV是python2.7

#coding: utf-8
import re
pattern = re.compile(r'交易金额：(\d+)元')
for line in open('xx.txt'):
    match = pattern.match(line.decode('utf-8'))
    if match:
        print match.group()

这里的问题就是我有没有结果。

我想获得从十进制字符串交易金额：0.01元 ，在这里，这是0.01 。

为什么没有此代码的工作？ 任何人都可以向我解释，我完全不知道自己。

Answer 1:

有你的代码的几个问题。 首先，你应该使用re.compile(ur'<unicode string>') 此外，它是很好的补充re.UNICODE标志（不知道这里虽然真正需要的）。 下一个就是你仍然不会收到一个比赛，因为\d+不处理小数只是一系列数字，你应该使用\d+\.?\d+代替（您想数字，大概一个点和数字）。 示例代码：

#coding: utf-8

text = u"PROCESS：类型：关爱积分[NOTIFY]   交易号：2012022900000109   订单号：W12022910079166    交易金额：0.01元    交易状态：true 2012-2-29 10:13:08"
import re
pattern = re.compile(ur'交易金额：(\d+\.?\d+)元', re.UNICODE)

print pattern.search(text).group(1)

Answer 2:

您需要使用.search()因为.match()是像开始您正则表达式^在字符串的开头，即它仅检查。

Answer 3:

如果您使用UTF-8，你可以使用标志= re.LOCALE

#coding: utf-8
import re
pattern = re.compile(r'交易金额：(\d+\.?\d+)元', flags=re.LOCALE)
for line in open('xx.txt'):
    match = pattern.match(line)

更多详细信息，请参阅re.LOCALE 。 没有必要为UTF-8转换为Unicode。

文章来源: python regular expression with utf8 issue