: cmd是指黑底的嗎?? 黑底的應該比較容易正常說 雖然都轉成unicode就沒事了 : 我測試直接urllib2抓網頁 有下面的結果 : http://dl.dropbox.com/u/24628527/TEST.PNG : 用unicode來看都還蠻正常的 ( 用str不正常就不提了... windows oooos) : 然後我也用了re (想學一直沒空 我抄你的程式碼) 有以下的結果 : http://dl.dropbox.com/u/24628527/test2.PNG : 當然在黑底的cmd也是沒問題 : 上面是在 windows xp : python 2.5.4 測試的 : 蠻好奇你怎麼抓不出來@_@a 謝謝各位大大的幫忙！ 我學KSJ大直接用re去處理fetch到的網頁原始碼 甚至不需要decode就可以正確顯示那些中文字 response = urllib.urlopen(url) page = response.read() number = re.findall(u"frmlist.no.value='(.+)';frmlist.foreigner.value", page) for n in number: print n （其實這邊我滿疑惑的　我沒做decode　表示收到的是網頁原始的big5編碼資料 　在windows XP用cp950編碼的cmd模式下為什麼可以正確顯示？） 至於我用BeautifulSoup先parse再做re而遇到的問題　則出在這裡： page = response.read() u_page = page.decode('big5') tags = BeautifulSoup(u_page).findAll('a') 這樣decode時會出錯 改成u_page = page.decode('big5', 'ignore')就可以了 但我卻有了新的疑問 為什麼要加上'ignore'參數？ 是叫它忽略掉看不懂的byte嗎 又為什麼會有看不懂的byte呢　是因為big5看不懂某些中文字嗎？ 不好意思　新手上路　問題有點多 謝謝大家 P.S. KSJ大　我找到一份不錯的學re資源跟您分享 http://www.diveintopython.net/regular_expressions/index.html --

※ 發信站: 批踢踢實業坊(ptt.cc) ◆ From: 218.166.194.46 ※ 編輯: poopoo888888 來自: 218.166.194.46 (11/03 08:46)