Python正则表达式匹配HTML页面编码
发布时间：2020-12-16 19:42:11 所属栏目：Python 来源：网络整理
导读：html页面一般都会指定一个编码，如何获取到是处理html页面的第一步，因为错误的编码必然带来后面处理的问题。这里我用python的正则表达式写了个： import rea = ["meta http-equiv="Content-Type" content="text/html; charset=utf-8" /",'meta http-equiv=C
|
html页面一般都会指定一个编码，如何获取到是处理html页面的第一步，因为错误的编码必然带来后面处理的问题。这里我用python的正则表达式写了个：
import re
a = ["<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />",'<meta http-equiv=Content-Type content="text/html;charset=gb2312">','<meta http-equiv="Content-Type" content="text/html; charset=iso-8859-1">','<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />','<meta http-equiv="content-type" content="text/html; charset=utf-8" />','<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />'
]
b = "<meta[ ]+http-equiv=["']?content-type["']?[ ]+content=["']?text/html;[ ]*charset=([0-9-a-zA-Z]+)["']?"
B = re.compile(b,re.IGNORECASE)
for ax in a:
r1 = B.search(ax)
if r1:
print r1.group()
print r1.group(1),len(r1.group())
else:
print 'not match'
（编辑：李大同） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |