37,743
社区成员
发帖
与我相关
我的任务
分享re.sub 可以替换成中文字符吗？
content = re.compile(u'<div class="post-body">.*?</div>', re.DOTALL) #（1）
style = content.search(html.decode('utf8'))
para = re.sub('<[^>]*>', '', html);
para = re.sub('……','……',para) # 此处会报错，不允许中文字符……
f = file('D:\\myblog\\'+str(id)+'.txt', 'w')
f.write(para.encode('utf8'))
f.close()
抓取的网页在去掉html标签以后，仍有以下符号：
… （省略号）
— （破折号）
请问在哪一步可以将其转换为中文的符号，如…… —— ？
style = content.search(html.decode('utf8'))
para = re.sub('<[^>]*>', '', html);
para = re.sub('……','……',para) # 此处会报错，不允许中文字符……
f = file('D:\\myblog\\'+str(id)+'.txt', 'w')
f.write(para.encode('utf8'))
f.close()
抓取的网页在去掉html标签以后，仍有以下符号：
… （省略号）
— （破折号）
请问在哪一步可以将其转换为中文的符号，如…… —— ？
...全文
请发表友善的回复…
发表回复
bugs2k 2014-06-08
- 打赏
- 举报
先把 html 解码成 unicode，就可以替换了
The_Third_Wave 2014-06-08
- 打赏
- 举报
字符串么，可以用replace替换所有东西！非常有用！str.replace(old, new)!
