使用正则表达式的unicode（希伯来字符）

Question

我编写了在网页中查找表达式的脚本：

import sre, urllib2, sys, BaseHTTPServer
# -*- coding: utf-8 -*-    
address = sys.argv[1]
web_handle = urllib2.urlopen(address)
website_text = website_handle.read()    
matches = sre.findall(u"?????", website_text)
for item in matches:
    print iten

如果我使用“正则”正则表达式（不带希伯来字符），则此脚本有效，如果使用它们，则不匹配任何内容。我究竟做错了什么？

编辑 示例：url = https://en.wikipedia.org/wiki/Category:Countries

Answer 1

您需要确保输入字符串也采用UTF8格式。

使用unicodefunction utf-8作为第二个参数：

website_text = unicode(website_text, "utf-8")

一切都应采用一致的编码，以便Unicode在Python 2中正常工作。