Python正则表达式匹配换行符

默认时，Python正则中的.是不能匹配换行符的，如果碰到下面这种带有换行的js字符串该怎么办呢？

下面用到的js2py，是一个用Python执行js，可对JavaScript渲染的库。这里用来拼接出真正的url。

import re
import js2py

txt = '''
(new Image()).src = 'https://weixin.sogou.com/approve?uuid=' + 'b9be9b04-7bcd-4a70-b412-70e1eb33fd1c' + '&token=' + '0177FFA5CCF44B442226BA55C2563A922371B60D5DF19CE0' + '&from=inner';

    setTimeout(function () {
        var url = '';
        url += 'http://mp.w';
        url += 'eixin.qq.co';
        url += 'm/s?src=11&';
        url += 'timestamp=1';
        url += '576115412&v';
        url += 'er=2029&sig';
        url += 'nature=3OfX';
        url += 'g*vTl0xc6Uv';
        url += 'afcTMAEg9B8';
        url += 'Ed0UQLlh744';
        url += '19o9uA1j0KFuh1W99OnNadkNegwwNkr5B7kI4g7k9vQzqb-BPoSoEESUUcMlerw99vocCRWur0Fp9fVATo*2aTRYiUo&new=1';
        url.replace("@", "");
        window.location.replace(url)
    },100);      
'''

# 这里用的是`.*?`匹配换行符
url_var = re.search('(var url.*?url\.replace\("@", ""\);)', txt).group(1)
url_rendered = js2py.eval_js(url_var)
print(url_rendered)

强行照上面写的话，结果就会报错。

解决方法之一，是使用[\s\S]*?代替.*?，[\s\S]是可以匹配包括换行符的任意字符的。

import re
import js2py

txt = '''
(new Image()).src = 'https://weixin.sogou.com/approve?uuid=' + 'b9be9b04-7bcd-4a70-b412-70e1eb33fd1c' + '&token=' + '0177FFA5CCF44B442226BA55C2563A922371B60D5DF19CE0' + '&from=inner';

    setTimeout(function () {
        var url = '';
        url += 'http://mp.w';
        url += 'eixin.qq.co';
        url += 'm/s?src=11&';
        url += 'timestamp=1';
        url += '576115412&v';
        url += 'er=2029&sig';
        url += 'nature=3OfX';
        url += 'g*vTl0xc6Uv';
        url += 'afcTMAEg9B8';
        url += 'Ed0UQLlh744';
        url += '19o9uA1j0KFuh1W99OnNadkNegwwNkr5B7kI4g7k9vQzqb-BPoSoEESUUcMlerw99vocCRWur0Fp9fVATo*2aTRYiUo&new=1';
        url.replace("@", "");
        window.location.replace(url)
    },100);      
'''

# 这里用的是`[\s\S]*?`匹配换行符
url_var = re.search('(var url[\s\S]*?url\.replace\("@", ""\);)', txt).group(1)
url_rendered = js2py.eval_js(url_var)
print(url_rendered)

解决方法之二，设置re.DOTALL，就可以使.匹配换行符了，如下：

import re

txt = '''
(new Image()).src = 'https://weixin.sogou.com/approve?uuid=' + 'b9be9b04-7bcd-4a70-b412-70e1eb33fd1c' + '&token=' + '0177FFA5CCF44B442226BA55C2563A922371B60D5DF19CE0' + '&from=inner';

    setTimeout(function () {
        var url = '';
        url += 'http://mp.w';
        url += 'eixin.qq.co';
        url += 'm/s?src=11&';
        url += 'timestamp=1';
        url += '576115412&v';
        url += 'er=2029&sig';
        url += 'nature=3OfX';
        url += 'g*vTl0xc6Uv';
        url += 'afcTMAEg9B8';
        url += 'Ed0UQLlh744';
        url += '19o9uA1j0KFuh1W99OnNadkNegwwNkr5B7kI4g7k9vQzqb-BPoSoEESUUcMlerw99vocCRWur0Fp9fVATo*2aTRYiUo&new=1';
        url.replace("@", "");
        window.location.replace(url)
    },100);      
'''

pattern = re.compile(r'(var url.*?url\.replace\("@", ""\);)', re.DOTALL)
res = pattern.search(txt).group(1)
print(res)