python 扫描js，html文件中的所有注释

[小丫--]

需求：
python扫描js，html中是否有匹配到的规则，匹配到后发邮件出来；但是有个问题，匹配的结果文件中有些其实是注释了的，不应该被扫描出来。
所以想用python 对js，html文件中的所有注释不进行扫描；扫描时，直接过滤掉所有的注释文件
哪位大侠有办法呢？小女子在此谢过了。


类似多行注释：/\*.*?\*/
单行的也有很多种情况：
//******;
** //****
引号内(包括单引号和双引号)的双斜线不算注释
引号是配对出现的, 两个引号之间的以反斜线转义掉的引号不算结束符
由连续的非引号非斜线部分组成的字符串也不是注释
除去上述内容以外, 以双斜线开始直至行尾的部分就是注释

有没有demo可以用python扫描时直接过滤js，和html的注释呢？

[libralibra]

用正则先把注释都删除,就是替换成'',然后对结果扫描

[crifan]

答案是：没有这种demo 解决办法： 自己写代码实现。 建议： 目前的可以想到的思路是： 1.因为多行注释中，或许可能包含单行注释，所以为了安全起见： 先删除多行注释 所用正则：

/\*.*?\*/

2.再删除单行注释： 你所给出的： //******; 其实等价于： //xxx 因为//后面是不管是否包含分号';'，都视为注释的 所以单行注释只有一种，可以用正则：

//.+?$

如此，就可以删除掉多行和单行注释 然后继续你的处理了。

[ChongQingJin28]

我觉得用正则表达式有一个问题 ：好像不能设置搜索或匹配的开始点。
为了搜索或匹配就必须得到substring，并生成一个排除了注释的string。
会涉及大量的string分解、合成。
（如果正则表达式能够设置开始点就没有这样的问题了。python有另外的正则搜索吗？）

我的方法是不用将注释排除，只是记录下他的开始与结束就可以了。
如果你所匹配的东西是在注释的范围内，可以将其忽略。
（对string也如此，也把string的位置记录下来）

步骤如下：
变量 ： 文件内容的list 当前指针
1.创建函数 single_comment :
作用是记录单行注释的位置 。首先判断当前指针处的char是“//” 然后对指针加1 ，直到找到一个“\n”结束

2.创建函数 mult_comment :
作用是记录多行注释的位置 。首先判断当前指针处的char是“/*” 然后对指针加1 ，直到找到一个“*/”结束

3.创建函数 html_comment : 和上面的comment函数相同，只是判断不一样

4.创建函数 single_quote : 首先判断当前指针处的char是“'” 然后对指针加1 ，直到找到一个“\”或“'”.
若找到的是"'"则结束。若找到的是"\"，则指针 +2 并继续寻找。

5.创建函数 double_quote ：同上面的single_quote 。

（注意，以上所有的函数都要记录开始与结束点。）

6.创建一个主函数 ：首先判断当前指针处是否是“'”、“/*”、“//”、“"”、“<!--”，如果是，则调用相应的函数处理。如果不是，就找到他们。

（如果你觉得可行，自己写代码吧。如果你找到一种正则表达式可以从指定的位置开始搜索，那就用正则匹配代替指针+1）

[x86]

用BeautifulSoup解析，在输出到文件，注释自然就没有了。当然也可以直接用BeautifulSoup去解析匹配你的规则。

[小丫--]

引用 4 楼 x86 的回复:

用BeautifulSoup解析，在输出到文件，注释自然就没有了。当然也可以直接用BeautifulSoup去解析匹配你的规则。

你好 能不能详细说明下用BeautifulSoup去解析匹配规则呢

[crifan]

引用 4 楼 x86 的回复:

用BeautifulSoup解析，在输出到文件，注释自然就没有了。当然也可以直接用BeautifulSoup去解析匹配你的规则。

我之前写了足够详细的教程，你可以看看： 【教程】Python中第三方的用于解析HTML的库：BeautifulSoup 以及： 【总结】Python的第三方库BeautifulSoup的使用心得 【整理】关于Python中的html处理库函数BeautifulSoup使用注意事项

[crifan]

引用错了。。。

[crifan]

引用 8 楼 u010069637 的回复:

引用 6 楼 crifan 的回复:引用 4 楼 x86 的回复:用BeautifulSoup解析，在输出到文件，注释自然就没有了。当然也可以直接用BeautifulSoup去解析匹配你的规则。 我之前写了足够详细的教程，你可以看看： 【教程】Python中第三方的用于解析HTML的库：BeautifulSoup 以及： 【总结】Python的第三方库Be……

html，javascript,css等等，都可以支持的。 不过，如果是想要提取其中的信息，那只是针对html的。 其他的js和css等，只能用正则去处理。 去： http://www.crifan.com/contact_me/ 可以发邮件给我。

[小丫--]

引用 6 楼 crifan 的回复:

引用 4 楼 x86 的回复:用BeautifulSoup解析，在输出到文件，注释自然就没有了。当然也可以直接用BeautifulSoup去解析匹配你的规则。 我之前写了足够详细的教程，你可以看看： 【教程】Python中第三方的用于解析HTML的库：BeautifulSoup 以及： 【总结】Python的第三方库BeautifulSoup的使用心得 ……

查看了BeautifulSoup 主要是针对html的匹配，因为我这里的静态代码扫描工具可能不只是html，那这里是不是还是用正则会更好一些 另外如果QQ联系，要怎么联系到你呢？