我正试图从网站上获取作者信息＆＃34; pixiv＆＃34;。代码来自网站：
<meta property="og:title" content="ラララ | かるは [pixiv]">
我想得到那个＆＃34;かるは＆＃34;我使用正则表达式：
[\u0800-\u9fa5_a-zA-Z0-9_]+(?=\s\[pixiv\])
然而，在Python中，我无法获得任何回报。 （P.S. websiteCode是该网站的源代码，我已经尝试将其打印出来并且它是正确的。具体来说，有
<meta property="og:title" content="ラララ | かるは [pixiv]">
里面）：
这是我的Python代码：
authorPattern = re.compile(r'[\u0800-\u9fa5_a-zA-Z0-9_]+(?=\s\[pixiv\])')
tempAuthor = re.search(authorPattern, websiteCode)
print("temp: ", tempAuthor)
输出结果为：
Traceback (most recent call last):
File "/Users/ChinYuer/Software-Engineering/Pixiv-Spider/pixiv.py", line 191, in <module>
my.grab_image()
File "/Users/ChinYuer/Software-Engineering/Pixiv-Spider/pixiv.py", line 84, in grab_image
testAuthor = tempAuthor.group()
AttributeError: 'NoneType' object has no attribute 'group'
我在一些测试网站上尝试了我的正则表达式代码并且工作正常。
这真令人沮丧，如果有人能帮助我，我将非常感激。
再次感谢你！
答案 0 :(得分：1)
假设您的代码是为Python 3编写的，它可以在Python 3.3及更高版本中正常运行，并且在Python 3.2.x及更低版本中出现相同的错误消息。
最简单的解决方案是在Python 3.3或更高版本中运行您的代码，并添加version guard以防止较低版本的Python运行您的代码。
第二种解决方案是使用常规的Unicode字符串文字，其中识别和处理Unicode转义序列。这种方法的缺点是你必须要记住转义序列，并在必要时加倍\，特别是在\b的情况下，在它之前被解释为常规Unicode字符串文字中的退格字符。达到re.compile。
# Python 3.2.5 (default, Jul 25 2014, 14:13:17)
>>> print('[\u0800-\u9fa5_a-zA-Z0-9_]+(?=\s\[pixiv\])')
[ࠀ-龥_a-zA-Z0-9_]+(?=\s\[pixiv\])
>>> import re
>>> re.compile('[\u0800-\u9fa5_a-zA-Z0-9_]+(?=\s\[pixiv\])', re.DEBUG)
max_repeat 1 4294967295
in
range (2048, 40869)
literal 95
range (97, 122)
range (65, 90)
range (48, 57)
literal 95
assert 1
in
category category_space
literal 91
literal 112
literal 105
literal 120
literal 105
literal 118
literal 93
<_sre.SRE_Pattern object at 0x6001fad70>
顺便说一句，您可能需要查看自己的角色范围\u0800-\u9fa5，因为它也符合Arabic, Devanagari, Thai, Lao, Box Drawing, Symbols etc.
\u和\U
在Python 3中，Unicode转义序列\u和\U未在原始Unicode字符串中专门处理，如Python 3.0中所述。字符串文字的规范在Python 3.3中更新，以添加u前缀，以便更轻松地维护Python 2代码，但它doesn't change the parsing behavior for raw Unicode string：
# Python 3.4.3 (v3.4.3:9b73f1c3e601, Feb 24 2015, 22:43:06) [MSC v.1600 32 bit (Intel)] on win32
>>> r'[\u8000]'
'[\\u8000]'
>>> '[\u8000]'
'[耀]'
这与Python 2相反，即使在原始Unicode字符串文字中，Unicode转义序列也会被处理为相应的Unicode字符：
# Python 2.7.8 (default, Jul 25 2014, 14:04:36)
>>> print(u'\u8000')
耀
>>> print(ur'\u8000')
耀
因此，问题中包含正则表达式的字符串，如Python 3中的正则表达式引擎所示：
>>> print(r'[\u0800-\u9fa5_a-zA-Z0-9_]+(?=\s\[pixiv\])')
[\u0800-\u9fa5_a-zA-Z0-9_]+(?=\s\[pixiv\])
\u包中的Unicode转义序列\U和re 在Python 3.3之前，re包不支持\u和\U Unicode转义序列，如Python 3.2的文档中所示。因此，\u和\U被解释为匹配文字u和U。
添加re.DEBUG标志，您可以看到编译的正则表达式的结果结构。为清晰起见，我注释了部分输出：
# Python 3.2.5 (default, Jul 25 2014, 14:13:17)
>>> import re
>>> re.compile(r'[\u0800-\u9fa5_a-zA-Z0-9_]+(?=\s\[pixiv\])', re.DEBUG)
max_repeat 1 4294967295
in
literal 117 # u (\u)
literal 48 # 0
literal 56 # 8
literal 48 # 0
range (48, 117) # 0-u (0-\u)
literal 57 # 9
literal 102 # f
literal 97 # a
literal 53 # 5
literal 95
range (97, 122)
range (65, 90)
range (48, 57)
literal 95
assert 1
in
category category_space
literal 91
literal 112
literal 105
literal 120
literal 105
literal 118
literal 93
<_sre.SRE_Pattern object at 0x600178850>
Python 3.3最终在re包中添加了对Unicode转义序列的支持，因此它适用于后续版本：
# Python 3.4.3 (v3.4.3:9b73f1c3e601, Feb 24 2015, 22:43:06) [MSC v.1600 32 bit (Intel)] on win32
>>> re.compile(r'[\u0800-\u9fa5_a-zA-Z0-9_]+(?=\s\[pixiv\])', re.DEBUG);
max_repeat 1 2147483647
in
range (2048, 40869) # \u0800-\u9fa5
literal 95
range (97, 122)
range (65, 90)
range (48, 57)
literal 95
assert 1
in
category category_space
literal 91
literal 112
literal 105
literal 120
literal 105
literal 118
literal 93
答案 1 :(得分：0)
原始代码在Python 3中正常工作。但是，Python 2中需要u字符串前缀：
import re
websiteCode = u'<meta property="og:title" content="ラララ | かるは [pixiv]">'
authorPattern = re.compile(ur'[\u0800-\u9fa5_a-zA-Z0-9_]+(?=\s\[pixiv\])')
tempAuthor = re.search(authorPattern, websiteCode)
print(u"temp: " + tempAuthor.group(0))