Python 在正则表达式中获取_text（）输出

我试图从网页中提取一些信息。我使用的get_text方法获取文本，但是当我试图通过正则表达式传递该文本时，没有返回任何内容

import urllib2
from bs4 import BeautifulSoup
import re

url = "http://www.somesite.com"
page = BeautifulSoup(urllib2.urlopen(url))
info = {}
info['description'] = page.get_text()
print info['description'] #this works fine
print re.match(r'.',info['description'],re.UNICODE).group()

---

返回None。

好的，下面可能是发生的情况（但我没有检查是否确实是这样，因为我的机器上没有Python 2，也无法在Python 3中重现）。如果您查看文档，您会发现它的内容如下：

re.match

（模式、字符串、标志=0）

如果字符串开头的零个或多个字符与正则表达式模式匹配，则返回相应的

MatchObject

实例。如果字符串与模式不匹配，则返回

None

；请注意，这与零长度匹配不同

要点：

re.match

仅在字符串开头匹配

接下来，点字符

：

”。

（点。）在默认模式下，它匹配除换行符以外的任何字符。如果指定了

DOTALL

标志，则该标志将匹配包括换行符在内的任何字符

因此，

与换行符不匹配。这就是问题所在-如果

info['description']

以换行符开头，您将无法获得匹配项

---

您应该做的是使用

re.search

或将

re.DOTALL

标志传递到

re.match

您真的打算将

r.

作为

re.match

的第一个参数吗？是的。这样不行吗？我当然希望进行更复杂的匹配，但我甚至无法实现这一点。我不熟悉python中字符串文本前面的

r

。它应该是什么意思？你想用正则表达式从字符串中提取什么？@PeterAlfvin

r

在Python中的字符串文本前面，允许你输入反斜杠而不转义，这对正则表达式很有用。