在JSON字符串中定义正则表达式时的转义字符问题

问题场景 #

我需要从HTML页面<script>标签的以下字符串中提取colorName对应的值：

\"colorName\":\"GLOSS REDSKY SHDWSIL WHT IMPASTO\"
\"colorName\":\"GLOSS PREMIUM FJORD METALLIC / WHITE METALLIC SILVER\"

使用Python Scrapy时，通过response.text获取HTML内容，用这段正则可以正常提取目标内容：

re.findall('\\"colorName\\":\\"(.*?)\\"', response.text)

遇到的JSON解析错误 #

当把上述正则写入JSON字符串时，写成如下格式会触发解析错误：

{
    "selector": "\\\"colorName\\\":\\\"(.*?)\\\""
}

报错信息：

Error: Parse error on line 4:
...  "selector": "\\\"colorName\\\":\\\"
-----------------------^
Expecting 'EOF', '}', ':', ',', ']', got 'undefined'

可行的解决写法 #

PyCharm建议修改为以下JSON格式后，解析不再报错：

{
    "selector": "\\\\\\\"colorName\\\\\\\":\\\\\\\"(.*?)\\\\\\\""
}

原因解释 #

这是双重转义叠加导致的：

1. JSON自身的转义规则：JSON字符串中，双引号"必须用\"表示，反斜杠\必须用\\表示——这是第一层转义。
2. 正则表达式的转义需求：我们的正则需要匹配的是\"colorName\":\"(.*?)\"（对应HTML里的"colorName":"(.*?)"转义形式），在Python中这个正则要写成\\"colorName\\":\\"(.*?)\\"——这是第二层转义。
3. 把Python中的正则字符串放进JSON时，每一个反斜杠都要再转义一次：
   • Python里的单个\，在JSON里要变成\\
   • 所以Python里的\\"（用来表示正则里的\"），到JSON里就需要写成\\\\\"——最终JSON解析后会得到Python正则需要的\\"格式。

简单来说，就是正则的转义要求加上JSON的转义规则，两层叠加后就出现了多组反斜杠。

内容的提问来源于stack exchange，提问作者daiyue