Python正则表达式匹配HTML页面编码

2019-11-25 17:49:03

字体：大中小

来源：转载

供稿：网友

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=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" />',   '<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'

上一篇：Python实现把xml或xsl转换为html格式

下一篇：在Python中关于中文编码问题的处理建议