python與JavaScript中正則表達式如何轉換

　　使用python爬取網站數據的時候，總會遇到各類各樣的反爬蟲策略，有很大一部分都和JavaScript（如下簡稱爲JS）

有關。在破解這些JS代碼的過程當中，常常會遇到模擬JS正則表達式的狀況，所以，今天總結一下如何使用python來模擬JS

中的正則。

　　關於JS中正則表達式的詳細教程，能夠看一下W3School的教程 JavaScript RegExp 對象。

　　簡單來講，不管是那種語言的正則表達式，其基本的元字符含義都是同樣的，區別之處只在於語法、函數、語言特點、

內部實現方式等，下面咱們就來看一下 JS 和 python 的正則表達式有什麼不同吧。

 

　　1、正則表達式的書寫語法

　　python代碼示例 

#coding:utf8
import re # 目標字符串
_string = 'Today is 2016-11-17'

# 定義正則表達式規則
regex_str = '\d+'

# 編譯爲Pattern對像
pattern = re.compile(regex_str) # 開始匹配
print pattern.search(_string).group() # 輸出 #>>> 2016

 

JS代碼示例

// 目標字符串
var _string='Today is 2016-11-17'; // 定義正則表達式規則
var regex_str=/\d+/; // 編譯爲Pattern對像
pattern = new RegExp(regex_str); // 開始匹配
var result = pattern.exec(_string); document.write(result); // 2016　　

　　

　　從上面的例子來看，拋開兩種語言自己的語法，單看正則表達式的話,有如下幾點不一樣：

　　　　　　1.python中的正則表達式本質上是一個字符串，JS中則必須以斜槓符號 / 包圍，而且不能書寫爲 '/\d+/', 只

　　　　能寫成 /\d+/ 。

　　　　　　2.若是你看了W3School中JS教程的話，就會發現，JS的 RegExp 對象僅支持 compile、exec、test 這三個

　　　　方法，而search、match、replace、split 這些更經常使用的方法放到了 String 類型中。但在python中的Pattern

　　　　對象卻能夠支持全部經常使用正則表達式操做。

 

　　2、匹配模式或者說修飾符

python代碼示例

#coding:utf8
import re # 目標字符串
_string = 'Today is 2016-11-17'

# 定義正則表達式規則
regex_str = '\d+'

# 編譯爲Pattern對像 # 指定使用各類模式
pattern = re.compile(regex_str, re.I | re.L | re.M | re.S | re.X | re.U) # 開始匹配 
print pattern.search(_string).group() # 輸出 #>>> 2016

 

JS 代碼示例

// 目標字符串
var _string='Today is 2016-11-17'; // 定義正則表達式規則
var regex_str=/\d+/; // 編譯爲Pattern對像
pattern = new RegExp(regex_str, 'g') // pattern = new RegExp(regex_str, 'i') // pattern = new RegExp(regex_str, 'm')

// 開始匹配
var result = pattern.exec(_string) document.write(result) // 2016

　　　　在匹配模式上，python支持的模式比較多，而JS僅支持 g 全局搜索、i 忽略大小寫、m 多行匹配這三種模式，而且

　　這三種模式也不是任什麼時候候均可以使用的，具體請往下面看。

 

　　3、JS 的 String 類型支持的正則表達式操做 replace

　　python的字符串處理能力很強，而JS中關於字符串的各類操做也是比較複雜、使人頭疼，通常狀況下反爬蟲的JS代碼

都是經過一系列的字符串操做達到混淆視聽的目的，或者將字符串加密解密，而其中最特殊的就是replace方法。python

中的字符串類型也有replace方法，這個是基於字符串自己的，和正則表達式沒有任何關係，想要實現基於正則表達式的替

換須要使用re模塊中的sub函數。而JS中的replace函數則直接支持兩種替換方式，其根據傳入的參數類型來決定。

python示例代碼

#coding:utf8
import re # 目標字符串
_string = 'Today is 2016-11-17 \d+ \d+'

# 定義正則表達式規則
regex_str = '\d+'

# 編譯爲Pattern對像
pattern = re.compile(regex_str) # 開始匹配 
print pattern.sub('2017', _string) # 輸出  #>>> Today is 2017-2017-2017 \d+ \d+

# 使用字符串自己的方法
print _string.replace(regex_str, '2017') # 輸出 #>>> Today is 2016-11-17 2017 2017

 

　　　　JS 示例代碼

// 目標字符串
var _string='Today is 2016-11-17 \d+ \d+'; // 定義正則表達式規則
var regex_str=/\d+/;
var result = _string.replace(regex_str, '2017') document.write(result) // Today is 2017-11-17 \d+ \d+

// 不使用正則表達式
var result = _string.replace('\d+', '2017') document.write(result) // Today is 2016-11-17 2017 \d+

// 定義正則表達式規則 增長全局匹配模式 g
var regex_str=/\d+/g;
var result = _string.replace(regex_str, '2017') document.write(result) // Today is 2017-2017-2017 \d+ \d+

 

　　在這個例子裏面能夠發現，python 的每一個模塊分工很明確，而JS則混用比較嚴重，但這樣也增長了易用性。而後總結

一下幾個區別：

　　1.JS 以 / 來標識正則表達式，以引號來標示字符串，根據參數類型決定進行何種替換。

　　2.JS的replace不管使用正則表達式仍是字符串自己，默認狀況下僅替換第一個匹配項，但正則表達式能夠經過使用增

加修飾符 g 實現全局替換，而字符串卻不能夠。

 

4、JS 的 String 類型支持的正則表達式操做 match

　　python中的re模塊有一個match函數，從字符串的開始處匹配正則表達式，但JS中的match卻不同，更相似於

python的re模塊的findall函數。

python示例代碼

#coding:utf8
import re # 目標字符串
_string = 'Today is 2016-11-17 \d+ \d+'

# 定義正則表達式規則
regex_str = '\d+'

# 編譯爲Pattern對像
pattern = re.compile(regex_str) # match 匹配
print pattern.match(_string) # 輸出  #>>> None 

# findall 匹配
print pattern.findall(_string) # 輸出  #>>> ['2016', '11', '17']

 

　　　　　　JS示例代碼

// 目標字符串
var _string='Today is 2016-11-17 \d+  \d+'; // 定義正則表達式規則
var regex_str=/\d+/;
var result = _string.match(regex_str) document.write(result) // 2016

// 定義正則表達式規則 增長全局搜索修飾符
var regex_str=/\d+/g;
var result = _string.match(regex_str) document.write(result) // 2016,11,17

// 匹配字符串
var result = _string.match('2016') document.write(result) // 2016

 

　　其實這個方法徹底可使用python的findall來代替，只須要注意：

1. JS中match接受的參數是字符串仍是正則表達式，字符串的話最好使用python的字符串操做方法，正則表達式的話

轉換一下寫法就能夠了。

2. JS中是否使用了修飾符 g， 使用了的話和使用python的findall獲得的結果是同樣的，不然就只是findall返回

值中的前一個元素。

4、JS 的 String 類型支持的正則表達式操做 search

　　search方法用於檢索字符串中指定的子字符串，或檢索與正則表達式相匹配的子字符串。它的返回值是尋找到的子字符

串的起始位置的索引，這個方法在python裏面對應了字符串的find方法和正則表達式re模塊中的search方法。

python示例代碼

#coding:utf8
import re # 目標字符串
_string = 'Today is 2016-11-17 \d+ \d+'

# 定義正則表達式規則
regex_str = '\d+'

# 編譯爲Pattern對像
pattern = re.compile(regex_str) # search 方法尋找第一個數字出現的位置
print pattern.search(_string).start() # 輸出  #>>> 9

# find
print _string.find('2016') # 輸出  #>>> 9

 

JS代碼示例

// 目標字符串
var _string='Today is 2016-11-17 \d+  \d+'; // 定義正則表達式規則
var regex_str=/\d+/;
var result = _string.search(regex_str) document.write(result) // 9

// 匹配字符串
var result = _string.search('2016') document.write(result) // 9

　　

　　這個裏面須要注意的可能就只是參數的類型還有返回值了，要注意JS只是返回了一個索引，而不是一個字符串

 

5、JS 的 String 類型支持的正則表達式操做 split

　　split方法用於把一個字符串分割成字符串數組，能夠指定返回的數組長度，JS中可接受正則表達式和字符串兩種參數，

而python與之對應的是字符串的split方法與正則表達式re模塊中的split方法

python代碼示例

#coding:utf8
import re


# 目標字符串
_string = 'Today is 2016-11-17 \d+ \d+'

# 定義正則表達式規則
regex_str = '\d+'

# 編譯爲Pattern對像
pattern = re.compile(regex_str)

# split 根據正則切分
print pattern.split(_string, 2)
# 輸出                      
#>>> ['Today is ', '-', '-', ' \\d+ \\d+'] 

# 徹底模擬JS
print pattern.split(_string, 2)[:2]
# 輸出                      
#>>> ['Today is ', '-'] 

# split 根據字符串切分
print _string.split('2016', 1)
# 輸出       
#>>> ['Today is ', '-11-17 \\d+ \\d+'] 

# 徹底模擬JS
print _string.split('2016', 1)[:1]
# 輸出       
#>>> ['Today is '] 

 

JS 代碼示例

// 目標字符串
var _string='Today is 2016-11-17 \d+  \d+';

// 定義正則表達式規則
var regex_str=/\d+/;
var result = _string.split(regex_str, 2)
document.write(result)
// Today is ,-

// 匹配字符串
var result = _string.split('2016', 1)
document.write(result)
// Today is

　　　　　　

這個在轉換的時候須要注意的就是JS返回的數組的長度了，默認狀況下徹底返回和徹底分割，python和JS的結果是同樣

的。

　　關於python和JS的正則表達式轉換，就介紹到這裏了。其實真正模擬JS代碼的時候正則並非最麻煩的，最麻煩的是如下幾個：

　　　　1.各類位移操做

　　　　2.JS特有的數字和字符類型相加規則

　　　　3.[]、~~、！、{}等這些數據類型和操做符如何轉化爲數字

　　還有啥暫時想不起來了，這些東西會在後續的文章中逐一介紹，歡迎交流！！！