因為工作需要，寫一個python指令碼，檢索檔案中的所有漢字，遇到了一點坑

檢索一類特徵的東西當然需要用正則表示式了，python中的re

先看原始程式碼，python版本2.7

#!/sr/bin/env python
# -*- coding: utf-8 -*-
import os
import sys
import re

def searchword(path):
    f = open(path)
    lines = f.readlines()
    pattern = re.compile(u"[\u4e00-\u9fa5]+")
    for line in lines:
        line.decode('utf8')
        results = re.findall(pattern, line)
        for str in results:
            print str
    f.close()

按照網上的林林總總，這樣寫看著沒有什麼問題，但是測試通不過，檢索不出漢字

為什麼呢？

先是想編碼問題，可是已經

line.decode('utf8') utf8編碼了呀，應該沒問題才對，為了測試，加了一句程式碼

line.decode('utf8')
print isinstance(line, unicode) 

結果為False, 所以顯然字串編碼非unicode，具體原因還未知，python也是即用即查的，後續認真探索一下

line.decode('utf8')  ----->  line = unicode(line, 'utf-8')程式碼替換城這個，發現編碼為unicode了，檢索也好使了，暫且記錄一下，原因待查
 

line.decode('utf8')