python爬微信公众号前10篇历史文章（4）-正则表达式RegularExpressionPattern

正则表达式(regular expression)描述了一种字符串匹配的模式（pattern），可以用来检查一个串是否含有某种子串、将匹配的子串替换或者从某个串中取出符合某个条件的子串等。

Python之re模块（正则表达式操作）

re.compile(pattern, flags=0)

>>> pattern = re.compile("d")
>>> pattern.search("dog")     # Match at index 0<br />

>>>prog = re.compile(pattern) <br />>>>result = prog.match(string) <br />is equivalent to<br />>>>result = re.match(pattern, string)

编译正则表达式pattern为正则表达式对象，然后可以通过正则表达式对象调用match和search方法。这种方式能实现正则表达式的重用。

re.findall(pattern, string, flags=0)

找到匹配的所有字串，并作为一个list返回。这个列表是从左到右有序的返回，如果无匹配返回空列表。

正则表达式语法

特殊字符：

限定字符：

限定符用来指定正则表达式的一个给定组件必须要出现多少次才能满足匹配。

*、+限定符都是贪婪的，因为它们会尽可能多的匹配文字，只有在它们的后面加上一个?就可以实现非贪婪或最小匹配。

参考文档：http://www.runoob.com/regexp/regexp-syntax.html

python文档：https://docs.python.org/3/library/re.html#re.compile

例：爬取html页面中特定部分

import re
article = re.compile('var msgList = (.*?)}}]};').findall(response.text)

找到以‘var msgList =’开头，‘)}}]};’结尾的部分，中间实现非贪婪最小匹配。即找到第一个以‘)}}]};’结尾的。