Python正则表达式匹配HTML页面编码

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 re

a = ["<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" />'
   ]



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'

相关文章

方案一 代码 在Python中,可以使用wave模块来读取双通道(立...
简介 一个用python实现的科学计算,包括: 1、一个强大的N维...
使用爬虫利器 Playwright,轻松爬取抖查查数据 我们先分析登...
轻松爬取灰豚数据的抖音商品数据 调用两次登录接口实现模拟登...
成功绕过阿里无痕验证码,一键爬取飞瓜数据 飞瓜数据的登录接...
一文教你从零开始入门蝉妈妈数据爬取,成功逆向破解数据加密...