2

我试图从许多 HTML 页面中捕获尽可能多的 Javascript 重定向。我的正则表达式是：

((location.href)|(window.location)|(location.replace)|(location.assign))(( ?= ?)|( ?\( ?))("|')([^'"]*)("|')( ?\) ?)?;

我使用 Python，但问题很笼统：

regex = re.compile(r"""((location.href)|(window.location)|(location.replace)|(location.assign))(( ?= ?)|( ?\( ?))("|')([^'"]*)("|')( ?\) ?)?;""", re.I)
# ... some control here ...
print re.search(regex, html).group(10)  # 10 is the pure url

我做了一些测试，我能够捕捉到所有这些情况。

location.href = "http://www.foo.com";
location.href="http://www.foo.com";
window.location = "http://www.foo.com";
window.location.href = "http://www.foo.com";
location.replace ("http://www.foo.com");
location.replace( "http://www.foo.com" ) ;
location.assign ("http://www.foo.com");

并跳过我无法解析 URL 的地方，因为代码包含一个变量：

location.href = "http://www.foo.com" + var + "something else";

问题是：

  1. 还有其他使用 Javascript 重定向的方法吗？其他location.somethingelse我想念的？
  2. 我抓住这4个案例的方式是否正确？是否允许有类似的东西，location.href = http://www.foo.com;或者location.replace (http://www.foo.com);我会因为（双）引号而错过？我是太严格还是太松懈？
  3. 我的正则表达式写得好吗？或者我可以以某种方式改进它吗？
4

1 回答 1

0

一般来说，你不能用正则表达式解析编程语言（好吧，理论上你可以，但这是非常不切实际的）。这对于 javascript 来说尤其如此，因为它具有高度动态性。例如，

 window['loc' + 'a' + 'tion'][['h','r','e','f'].join('')] = 'something'.replace(/s/, etc...)

也就是说，这是一个至少通过了您的测试的表达式（为清楚起见进行了分解）：

# quoted string
str = r"""
    ' (?:\\.|[^'])* '
    |
    " (?:\\.|[^"])* "
"""
# dotted reference to "location"
loc = r"""
    (?: \w+\.)*
    \b location \b
    (?: \.\w+)*
"""

# ref=string or ref(string)
expr = r"""
    ({0})
    \s*
    (?:
        = \s* ({1})
        |
        \( \s* ({1}) \s* \)
    )
    \s*
    ;
""".format(loc, str)

在扩展模式下编译它，例如

expr = re.compile(expr, re.X)
于 2012-11-13T15:15:23.857 回答