本地html文件的Python打印源代码返回空格字符

我有一个本地html文件，我想在源代码中读取和提取URL。然而，我的正则表达式总是返回空的，所以我试着打印源代码，并注意到所有字符都彼此隔开。你知道原因是什么吗

以下是我读取文件和正则表达式的代码：

import re
file=open("C:/Documents/name.html",'r')
content=file.read()
match = re.findall(r'<a href="(.*?)".*>(.*)</a>', content)
print(match)

重新导入
file=open（“C:/Documents/name.html”，“r”）
content=file.read（）
match=re.findall（r''，内容）
打印（匹配）

当我尝试打印内容时，我得到：

< h t m l x m l n s : v = " u r n : s c h e m a s ...

编辑：多亏了abernert，这是一个编码问题，更正后的代码是：

import re
import codecs
file=codecs.open("C:/Users/140263/Documents/name.html",,encoding='utf-16-le')
content=file.read()
match = re.findall(r'<a href="(.*?)".*>(.*)</a>', content)
print(match)

重新导入
导入编解码器
file=codecs.open（“C:/Users/140263/Documents/name.html”，encoding='utf-16-le'）
content=file.read（）
match=re.findall（r''，内容）
打印（匹配）

问题在于，您的文件是以UTF-16-LE编码的，但您将其作为默认编码进行读取，而不是以UTF-16-LE编码

许多Windows软件使用UTF-16-LE作为文本文件的默认编码，这很烦人，但没有办法解决

---

UTF-16-LE将大多数字符存储为两个字节。对于像

这样的ASCII字符，请尝试
打印（repr（content））
这样我们可以看到该文件的实际字节数。另外，我猜您使用的是Python 2.7，但请确认您使用的是哪个版本。另外，请给我们一个实际正确的答案，这只会引发一个
AttributeError
，因为字符串没有
read
方法。我的猜测是这与UTF有关-16-LE编码，这是很多Windows程序都喜欢使用的。如果您将一堆大部分ASCII文本编码为UTF-16-LE，然后将其读取为字节，则得到的是ASCII字节与空字节交替。如果这确实是您的问题，并且您使用的是Python 2.x，那么解决方法是使用
io.open
或
codecs.op以文本文件的形式打开文件en
而不是
打开
，传递
encoding='utf-16-le
，然后用Unicode正则表达式（如
ur'
）搜索它。我使用的是Python 3.4是的，这就是编码问题。abarnert的建议奏效了！谢谢！
< h t m l … >

'<h\0t\0m\0l\0 … >\0'

file = open("C:/Documents/name.html", 'r', encoding='utf-16-le')