带有utf8问题的python正则表达式

Question

我得到了一个包含多行纯utf-8文本的文件。如下所示，按中文，是中文。

PROCESS：类型：关爱积分[NOTIFY]   交易号：2012022900000109   订单号：W12022910079166    交易金额：0.01元    交易状态：true 2012-2-29 10:13:08

文件本身以utf-8格式保存。文件名是xx.txt

这是我的python代码，env是python2.7

#coding: utf-8
import re
pattern = re.compile(r'交易金额：(\d+)元')
for line in open('xx.txt'):
    match = pattern.match(line.decode('utf-8'))
    if match:
        print match.group()

这里有问题的是我没有结果。

我想从交易金额：0.01元这里的十进制字符串中获得0.01。

为什么此代码不起作用？谁能向我解释，我什么也没有。

Answer 1

您的代码有几个问题。首先，您应该使用re.compile(ur'<unicode string>')。另外，添加re.UNICODE标志也很不错（尽管不确定此处是否确实需要）。下一个是您仍然不会收到匹配项，因为\d+不能只处理一系列数字，\d+\.?\d+而应该只处理小数（您需要数字，可能是点和数字）。示例代码：

#coding: utf-8

text = u"PROCESS：类型：关爱积分[NOTIFY]   交易号：2012022900000109   订单号：W12022910079166    交易金额：0.01元    交易状态：true 2012-2-29 10:13:08"
import re
pattern = re.compile(ur'交易金额：(\d+\.?\d+)元', re.UNICODE)

print pattern.search(text).group(1)