Python re.findall 不匹配 HTML 中的 JS 变量答案

【问题标题】：Python re.findall Not Matching JS Variables in HTMLPython re.findall 不匹配 HTML 中的 JS 变量
【发布时间】：2021-12-23 14:02:18
【问题描述】：

我正在尝试使用 Python 3 re.findall 方法在 HTML 文件中提取 JavaScript 中定义的整数和变量值。

但是，我在将" 中包含的数字与\d* 匹配时遇到了一点困难，并且我也很难匹配" 中包含的字母数字字符串。

案例 1：

s = """
   <script>
    var i = 1636592595;
        var j = i + Number("6876" + "52907");
   </script>
"""
pattern = r'var j = i + Number(\"(\d*)\" + \"(\d*)\");'
m = re.findall(pattern, s)
print(m) # Output: []

所需的输出应包含6876 和52907，但获得了一个空列表[]。

案例 2：

s = """
       xhr.send(JSON.stringify({
              "bm-foo": "AAQAAAAE/////4ytkgqq/oWI",
              "pow": j
          }));
"""
pattern = r'"bm-foo": \"(\w*)\",'
m = re.findall(pattern, s)
print(m) # Output: []

所需的输出应该包含AAQAAAAE/////4ytkgqq/oWI，但获得了一个空列表[]。

我可以帮忙解释为什么我的正则表达式模式不匹配吗？

【问题讨论】：

您需要转义 + 字符。你不需要逃避"
您还需要转义文字 ( 字符。
\w 只匹配字母、数字和_。所以它不会匹配第二个例子中的////。

标签： python python-3.x regex re

【解决方案1】：

在第一个正则表达式中，您需要转义 +、( 和 )。

在第二个正则表达式中，使用[^"]* 而不是\w*，因为\w 与/ 等标点不匹配。

import re

s = """
   <script>
    var i = 1636592595;
        var j = i + Number("6876" + "52907");
   </script>
"""
pattern = r'var j = i \+ Number\("(\d*)" \+ \"(\d*)\"\);'
m = re.findall(pattern, s)
print(m)

s = """
       xhr.send(JSON.stringify({
              "bm-foo": "AAQAAAAE/////4ytkgqq/oWI",
              "pow": j
          }));
"""
pattern = r'"bm-foo": "([^"]*)",'
m = re.findall(pattern, s)
print(m)

DEMO

【讨论】：