使用python爬取網站數據的時候，總會遇到各種各樣的反爬蟲策略，有很大一部分都和JavaScript（以下簡稱為JS）
有關。在破解這些JS代碼的過程中，經常會遇到模擬JS正則表達式的情況，因此，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，可以看一下W3School的教程 JavaScript RegExp 對象。
簡單來說，無論是那種語言的正則表達式，其基本的元字符含義都是一樣的，區別之處只在於語法、函數、語言特色、
內部實現方式等，下面我們就來看一下 JS 和 python 的正則表達式有什么不一樣吧。
一、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+'
# 編譯為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+/; // 編譯為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，拋開兩種語言本身的語法，單看正則表達式的話,有以下幾點不同：
1.python中的正則表達式本質上是一個字符串，JS中則必須以斜杠符號 / 包圍，並且不能書寫為 '/\d+/', 只
能寫成 /\d+/ 。
2.如果你看了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 這些更常用的方法放到了 String 類型中。但在python中的Pattern
對象卻可以支持所有常用正則表達式操作。
二、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+'
# 編譯為Pattern對像 # 指定使用各種模式
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+/; // 編譯為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，並且
這三種模式也不是任何時候都可以使用的，具體請往下面看。
三、JS 的 String 類型支持的正則表達式操作 replace
python的字符串處理能力很強，而JS中關於字符串的各種操作也是比較復雜、令人頭疼，一般情況下反爬蟲的JS代碼
都是通過一系列的字符串操作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，這個是基於字符串本身的，和正則表達式沒有任何關系，想要實現基於正則表達式的替
換需要使用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+'
# 編譯為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+
# 使用字符串本身的方法
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+
在這個例子里面可以發現，python 的每個模塊分工很明確，而JS則混用比較嚴重，但這樣也增加了易用性。然后總結
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無論使用正則表達式還是字符串本身，默認情況下僅替換第一個匹配項，但正則表達式可以通過使用增
加修飾符 g 實現全局替換，而字符串卻不可以。
四、JS 的 String 類型支持的正則表達式操作 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卻不一樣，更類似於
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+'
# 編譯為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 增加全局搜索修飾符
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
其實這個方法完全可以使用python的findall來代替，只需要注意：
1. JS中match接受的參數是字符串還是正則表達式，字符串的話最好使用python的字符串操作方法，正則表達式的話
轉換一下寫法就可以了。
2. JS中是否使用了修飾符 g， 使用了的話和使用python的findall得到的結果是一樣的，否則就只是findall返回
值中的前一個元素。
四、JS 的 String 類型支持的正則表達式操作 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里面對應了字符串的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+'
# 編譯為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
這個里面需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
五、JS 的 String 類型支持的正則表達式操作 split
split方法用於把一個字符串分割成字符串數組，可以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+' # 編譯為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+'] # 完全模擬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+'] # 完全模擬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
這個在轉換的時候需要注意的就是JS返回的數組的長度了，默認情況下完全返回和完全分割，python和JS的結果是一樣
的。
關於python和JS的正則表達式轉換，就介紹到這里了。其實真正模擬JS代碼的時候正則並不是最麻煩的，最麻煩的是以下幾個：
1.各種位移操作
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作符如何轉化為數字
還有啥暫時想不起來了，這些東西會在后續的文章中逐一介紹，歡迎交流！！！