使用urlopen解码字节失败，正则匹配报错如何解决？

错误根源 #

你调用re.search时参数顺序完全搞反了：re.search要求第一个参数是正则模式，第二个是要搜索的目标字符串，但你写成了search(page, "<body class=\"question-page")——把网页内容（page）当成正则表达式去解析，而网页内容里包含了无效的正则字符范围（比如[t-p]，正则中字符范围必须是ASCII码从小到大，t的码值比p大，这种反向范围不合法），所以触发了正则解析错误。

修复方案 #

• 修正正则参数顺序
  把正则模式放在第一个位置，网页内容放在第二个位置：

  import re
  from urllib.request import urlopen
  
  quest = input("question link: ").strip()
  page = urlopen(quest).read().decode()
  # 修正参数顺序
  if re.search("<body class=\"question-page", page):
      # 你的后续逻辑
      pass
  

• 优化编码解码（可选但推荐）
  直接用decode()可能会因网页编码不匹配导致乱码，建议从响应头获取正确编码：

  from urllib.request import urlopen
  
  quest = input("question link: ").strip()
  response = urlopen(quest)
  # 从响应头提取编码，默认用utf-8兜底
  encoding = response.info().get_content_charset() or "utf-8"
  page = response.read().decode(encoding)
  

• 用HTML解析库替代正则（推荐）
  正则处理HTML容易出现各种问题，建议用BeautifulSoup这类专门的解析库：

  from urllib.request import urlopen
  from bs4 import BeautifulSoup
  
  quest = input("question link: ").strip()
  response = urlopen(quest)
  encoding = response.info().get_content_charset() or "utf-8"
  page = response.read().decode(encoding)
  soup = BeautifulSoup(page, "html.parser")
  # 直接查找body标签和对应class
  if soup.find("body", class_="question-page"):
      # 你的后续逻辑
      pass
  

内容的提问来源于stack exchange，提问作者Wolf