python与JavaScript中正则表达式如何转换
使用python爬取网站数据的时候，总会遇到各种各样的反爬虫策略，有很大一部分都和JavaScript（以下简称为JS）
有关。在破解这些JS代码的过程中，经常会遇到模拟JS正则表达式的情况，因此，今天总结一下如何使用python来模拟JS
中的正则。
关于JS中正则表达式的详细教程，可以看一下W3School的教程 JavaScript RegExp 对象。
简单来说，无论是那种语言的正则表达式，其基本的元字符含义都是一样的，区别之处只在于语法、函数、语言特色、
内部实现方式等，下面我们就来看一下 JS 和 python 的正则表达式有什么不一样吧。
一、正则表达式的书写语法
python代码示例
#coding:utf8
import re
# 目标字符串
_string = 'Today is 2016-11-17'
# 定义正则表达式规则
regex_str = '\d+'
# 编译为Pattern对像
pattern = re.compile(regex_str)
# 开始匹配
print pattern.search(_string).group()
# 输出
#>>> 2016
JS代码示例
// 目标字符串
var _string='Today is 2016-11-17';
// 定义正则表达式规则
var regex_str=/\d+/;
// 编译为Pattern对像
pattern = new RegExp(regex_str);
// 开始匹配
var result = pattern.exec(_string);
document.write(result);
// 2016
从上面的例子来看，抛开两种语言本身的语法，单看正则表达式的话,有以下几点不同：
1.python中的正则表达式本质上是一个字符串，JS中则必须以斜杠符号 / 包围，并且不能书写为 '/\d+/', 只
能写成 /\d+/ 。
2.如果你看了W3School中JS教程的话，就会发现，JS的 RegExp 对象仅支持 compile、exec、test 这三个
方法，而search、match、replace、split 这些更常用的方法放到了 String 类型中。但在python中的Pattern
对象却可以支持所有常用正则表达式操作。
二、匹配模式或者说修饰符
python代码示例
#coding:utf8
import re
# 目标字符串
_string = 'Today is 2016-11-17'
# 定义正则表达式规则
regex_str = '\d+'
# 编译为Pattern对像
# 指定使用各种模式
pattern = re.compile(regex_str, re.I | re.L | re.M | re.S | re.X | re.U)
# 开始匹配
print pattern.search(_string).group()
# 输出
#>>> 2016
JS 代码示例
// 目标字符串
var _string='Today is 2016-11-17';
// 定义正则表达式规则
var regex_str=/\d+/;
// 编译为Pattern对像
pattern = new RegExp(regex_str, 'g')
// pattern = new RegExp(regex_str, 'i')
// pattern = new RegExp(regex_str, 'm')
// 开始匹配
var result = pattern.exec(_string)
document.write(result)
// 2016
在匹配模式上，python支持的模式比较多，而JS仅支持 g 全局搜索、i 忽略大小写、m 多行匹配这三种模式，并且
这三种模式也不是任何时候都可以使用的，具体请往下面看。
三、JS 的 String 类型支持的正则表达式操作 replace
python的字符串处理能力很强，而JS中关于字符串的各种操作也是比较复杂、令人头疼，一般情况下反爬虫的JS代码
都是通过一系列的字符串操作达到混淆视听的目的，或者将字符串加密解密，而其中最特殊的就是replace方法。python
中的字符串类型也有replace方法，这个是基于字符串本身的，和正则表达式没有任何关系，想要实现基于正则表达式的替
换需要使用re模块中的sub函数。而JS中的replace函数则直接支持两种替换方式，其根据传入的参数类型来决定。
python示例代码
#coding:utf8
import re
# 目标字符串
_string = 'Today is 2016-11-17 \d+ \d+'
# 定义正则表达式规则
regex_str = '\d+'
# 编译为Pattern对像
pattern = re.compile(regex_str)
# 开始匹配
print pattern.sub('2017', _string)
# 输出
#>>> Today is 2017-2017-2017 \d+ \d+
# 使用字符串本身的方法
print _string.replace(regex_str, '2017')
# 输出
#>>> Today is 2016-11-17 2017 2017
JS 示例代码
// 目标字符串
var _string='Today is 2016-11-17 \d+ \d+';
// 定义正则表达式规则
var regex_str=/\d+/;
var result = _string.replace(regex_str, '2017')
document.write(result)
// Today is 2017-11-17 \d+ \d+
// 不使用正则表达式
var result = _string.replace('\d+', '2017')
document.write(result)
// Today is 2016-11-17 2017 \d+
// 定义正则表达式规则 增加全局匹配模式 g
var regex_str=/\d+/g;
var result = _string.replace(regex_str, '2017')
document.write(result)
// Today is 2017-2017-2017 \d+ \d+
在这个例子里面可以发现，python 的每个模块分工很明确，而JS则混用比较严重，但这样也增加了易用性。然后总结
一下几个区别：
1.JS 以 / 来标识正则表达式，以引号来标示字符串，根据参数类型决定进行何种替换。
2.JS的replace无论使用正则表达式还是字符串本身，默认情况下仅替换第一个匹配项，但正则表达式可以通过使用增
加修饰符 g 实现全局替换，而字符串却不可以。
四、JS 的 String 类型支持的正则表达式操作 match
python中的re模块有一个match函数，从字符串的开始处匹配正则表达式，但JS中的match却不一样，更类似于
python的re模块的findall函数。
python示例代码
#coding:utf8
import re
# 目标字符串
_string = 'Today is 2016-11-17 \d+ \d+'
# 定义正则表达式规则
regex_str = '\d+'
# 编译为Pattern对像
pattern = re.compile(regex_str)
# match 匹配
print pattern.match(_string)
# 输出
#>>> None
# findall 匹配
print pattern.findall(_string)
# 输出
#>>> ['2016', '11', '17']
JS示例代码
// 目标字符串
var _string='Today is 2016-11-17 \d+ \d+';
// 定义正则表达式规则
var regex_str=/\d+/;
var result = _string.match(regex_str)
document.write(result)
// 2016
// 定义正则表达式规则 增加全局搜索修饰符
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
其实这个方法完全可以使用python的findall来代替，只需要注意：
1. JS中match接受的参数是字符串还是正则表达式，字符串的话最好使用python的字符串操作方法，正则表达式的话
转换一下写法就可以了。
2. JS中是否使用了修饰符 g， 使用了的话和使用python的findall得到的结果是一样的，否则就只是findall返回
值中的前一个元素。
四、JS 的 String 类型支持的正则表达式操作 search
search方法用于检索字符串中指定的子字符串，或检索与正则表达式相匹配的子字符串。它的返回值是寻找到的子字符
串的起始位置的索引，这个方法在python里面对应了字符串的find方法和正则表达式re模块中的search方法。
python示例代码
#coding:utf8
import re
# 目标字符串
_string = 'Today is 2016-11-17 \d+ \d+'
# 定义正则表达式规则
regex_str = '\d+'
# 编译为Pattern对像
pattern = re.compile(regex_str)
# search 方法寻找第一个数字出现的位置
print pattern.search(_string).start()
# 输出
#>>> 9
# find
print _string.find('2016')
# 输出
#>>> 9
JS代码示例
// 目标字符串
var _string='Today is 2016-11-17 \d+ \d+';
// 定义正则表达式规则
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
这个里面需要注意的可能就只是参数的类型还有返回值了，要注意JS只是返回了一个索引，而不是一个字符串
五、JS 的 String 类型支持的正则表达式操作 split
split方法用于把一个字符串分割成字符串数组，可以指定返回的数组长度，JS中可接受正则表达式和字符串两种参数，
而python与之对应的是字符串的split方法与正则表达式re模块中的split方法
python代码示例
#coding:utf8 import re # 目标字符串 _string = 'Today is 2016-11-17 \d+ \d+' # 定义正则表达式规则 regex_str = '\d+' # 编译为Pattern对像 pattern = re.compile(regex_str) # split 根据正则切分 print pattern.split(_string, 2) # 输出 #>>> ['Today is ', '-', '-', ' \\d+ \\d+'] # 完全模拟JS print pattern.split(_string, 2)[:2] # 输出 #>>> ['Today is ', '-'] # split 根据字符串切分 print _string.split('2016', 1) # 输出 #>>> ['Today is ', '-11-17 \\d+ \\d+'] # 完全模拟JS print _string.split('2016', 1)[:1] # 输出 #>>> ['Today is ']
JS 代码示例
// 目标字符串 var _string='Today is 2016-11-17 \d+ \d+'; // 定义正则表达式规则 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
这个在转换的时候需要注意的就是JS返回的数组的长度了，默认情况下完全返回和完全分割，python和JS的结果是一样
的。
关于python和JS的正则表达式转换，就介绍到这里了。其实真正模拟JS代码的时候正则并不是最麻烦的，最麻烦的是以下几个：
1.各种位移操作
2.JS特有的数字和字符类型相加规则
3.[]、~~、！、{}等这些数据类型和操作符如何转化为数字
还有啥暂时想不起来了，这些东西会在后续的文章中逐一介绍，欢迎交流！！！
