python入门—2常见问题_1_正则表达式匹配中文
python2.7 在使用正则表达式来匹配中文字符时，经常会出现意想不到的问题，比如下面这个匹配问题：
1、问题
字符串：
飞利浦（PHILIPS）
飞利浦(PHILIPS)
飞利浦（PHILIPS)
飞利浦(PHILIPS）
从字符串中将"飞利浦"和"PHILIPS"提取出来。
注意：
字符串中将"PHILIPS"括起来的括号有中文括号也有英文括号
很自然的使用下面的正则表达式进行匹配：
s = "飞利浦(PHILIPS）"
ptn = re.compile(r"(.*?)[\(（](.*?)[）\(]")
res = ptn.search(s)
print res.group(1)
print res.group(2)
这里使用[\(（]和[）\(] 本意是匹配中文括号或者英文括号，但是这样是错误的。
如果这里使用的utf-8编码，'
[\(（]'被解释成了'[\(\xef\xbc\x88]'，
在进行字符串匹配时
'
[\(（]'的意思是：出现英文括号或者\xef或者\xbc或者\x88
显然，这样对源字符串进行匹配时，就无法获取到想到的信息
2、解决方法一
这里需要使用unicode编码对字符串中的中文括号进行匹配，
即使用unicode编码的正则表达式，同时原字符串也要转换成unicode编码，
当需要将结果输出到文件时，匹配的结果也要从匹配好的unicode编码转换成合适的编码格式。
解决代码如下，这里假设文件的编码格式是UTF-8的：
fw = open("res", "w")
s = "飞利浦(PHILIPS）"
ptn = re.compile(ur"(.*?)[\(（](.*?)[）\)]")
res = ptn.search(s.decode("UTF-8"))
fw.write("%s|%s\n" %(res.group(1).encode("UTF-8"), res.group(2).encode("UTF-8")))
fw.close()
3、解决方法二
这里使用[ ]作为逻辑或的匹配符号，也是不太合适的，这里可以考虑使用 | 来替换 [ ]。
但是使用 | 是要注意使用小括号将逻辑或的匹配括起来，代码如下
fw = open("res", "w")
s = "飞利浦(PHILIPS）"
ptn = re.compile(ur"(.*?)(\(|（)(.*?)(）|\))")
res = ptn.search(s)
fw.write("%s|%s\n" %(res.group(1), res.group(3)))
fw.close()