正则表达式 - Python 中如何用正则匹配中文词组

Question

情景如下，网页中有一段：

<tr>
    <td class="whitetext">此书刊没有复本</td>
</tr>
<tr>
     <td bgcolor="#FFFFFF" class="whitetext"><font color="red"> 此书刊可能正在订购中或者处理中 </font></td>
</tr>

用 BeautifulSoup4 和 Requests 抓取一段网页内容，如果匹配到有“没有复本” 字样，就抛出异常。

如何实现用正则匹配特定的中文词组呢？
（PS 问：如何在 BeautifulSoup4 中搜索特定的文本内容？不限中文 ~ ）

Answer 1

Code

#! /usr/bin/env python
# -*- coding: utf-8 -*-

content = """
<tr>
    <td class="whitetext">此书刊没有复本</td>
</tr>
<tr>
     <td bgcolor="#FFFFFF" class="whitetext"><font color="red"> 此书刊可能正在订购中或者处理中 </font></td>
</tr
"""
from bs4 import BeautifulSoup
import re
tag_soup = BeautifulSoup(content)
tag_content = tag_soup.get_text().encode("utf-8")
print re.search(r"没有复本", tag_content)

get_text() Get all the text content from the tag, but it is unicode encoded. After encoding it with utf-8, you can directly search with regular expressions.