正则表达式在UBB论坛中的应用(1)

【 tulaoshi.com - Web开发 】

　　一、读者指引

　　读者指引帮助你掌握本文的梗概。以免你看了大半才明白这编文章不适合你，给你造成视觉污染。

　　如果你正在用ＡＳＰ写程序，或者你正在写一些诸如ＢＢＳ、留言溥或表单数据检查之类的东东那就值得一看。

　　如果你对正则表达式已经了如指掌，那么你不必一行行的看，只要看看我写的模板，再比较一下，取其精华就行了。

　　如果你还是第一次接触正则表达式，那么你最好一行行的看，并逐条试验

　　当你熟练的掌握了正则表达式的用法，你就会发现其乐无穷。

　　二、正则表达式的概念

　　什么是ＵＢＢ代码？什么是正则表达式？

　　ＵＢＢ代码是HTML的一个变种。一般情况下，ＵＢＢ论坛不允许你使用ＨＴＭＬ代码，而只能用ＵＢＢ代码替代ＨＴＭＬ代码。

　　ＵＢＢ代码是一套由流行的ＵＢＢ标签组成了固定代码，代码有统一的格式。用户只要遵循代码规则就可以实现用户想要的功能。如：

　　想要显示粗体的how are you 字样，就应该输入 how are you而不是输入bhow are you/b

　　你也许会问：ＡＳＰ是怎样把 how are you转换为bhow are you/b的呢？

　　回答这个问题就是：用正则表达式。

　　三、正则表达式的用途

　　有时我们在制作网站表单数据处理的时候（尤其是ＵＢＢ论坛）,都需要进行数据验证和字符串替代，特别是ＵＢＢ论坛要进行大量的数据安全性和字符串替代

　　邮于一般的论坛不支持HTML语法这就使得用户不能修改字体，不能贴图等等一些功能。这样使得论坛失去了吸引用户的一个强有力的途径。可能说一个强大的论坛在吸引用户数量上还是很重要的。这样就出现了一个ＵＢＢ解决方案，即在论坛不支持HTML语法的情况下用户仍然可以定制自已贴子的样式，贴图，增加链接，转贴网页等等诸多的功能，可能达到支持HTML语法同样的效果，而且这样可以使得论坛相对于HTML的论坛安全性大大提高。用户基本不能对论坛过行任何恶意攻击。

　　四、正则表达式的语法规则和标记

　　现在我们正式进入则表达式的学习，我会根据实例结合讲解正则表达式的用法，看完后你就会觉得写ＵＢＢ代码如此简单了，只要你一步一步的跟着我学 看完本文章后你就成为ＵＢＢ高手了。激动人心的就是你能写出自已的ＵＢＢ标签来了，再也不用到别人那里去拷贝现成的代码和模板了。 还好VBScritp5.0给我们提供了正则表达式对象，只要你的服务器安装了IE5.x，就可以运行了.

　　字符描述：

　　^符号匹配字符串的开头。例如：

　　^abc　与abc xyz匹配，而不与xyz abc匹配

　　$符号匹配字符串的结尾。例如：

　　abc$　与xyz abc匹配，而不与abc xyz匹配。

　　注意：如果同时使用^符号和$符号，将进行精确匹配。例如：

　　^abc$　只与abc匹配　　　

　　*符号匹配０个或多个前面的字符。例如：

　　ab*　可以匹配ab、abb、abbb等

　　+符号匹配至少一个前面的字符。例如：

　　ab+　可以匹配abb、abbb等，但不匹配ab。

　　？符号匹配０个或１个前面的字符。例如：

　　ab？c？　可以且只能匹配abc、abbc、abcc和abbcc

　　.符号匹配除换行符以外的任何字符。例如：

　　(.)+　匹配除换行符以外的所有字符串

　　x|y匹配x或y。例如：

　　abc|xyz　可匹配 abc或 xyz，而ab(c|x)yz匹配 abcyz和abxyz

　　{n}匹配恰好n次（n为非负整数）前面的字符。例如：

　　a{2}　可以匹配aa，但不匹配a

　　{n,}匹配至少n次（n为非负整数）前面的字符。例如：

　　a{3,}　匹配aaa、aaaa等，但不匹配a和aa。

　　注意：a{1,}等价于a+

　　a{0,}等价于a*

　　{m,n}匹配至少m个，至多n个前面的字符。例如：

　　a{1,3}　只匹配a、aa和aaa。

　　注意：a{0,1}等价于a？

　　[xyz]表示一个字符集，匹配括号中字符的其中之一。例如：

　　[abc]　匹配a、b和c

　　[^xyz]表示一个否定的字符集。匹配不在此括号中的任何字符。例如：

　　[^abc]　可以匹配除a、b和c之外的任何字符

　　[a-z]表示某个范围内的字符，匹配指定区间内的任何字符。例如：

　　[a-z]　匹配从a到z之间的任何一个小写字母字符

　　[^m-n]表示某个范围之外的字符，匹配不在指定范围内的字符。例如：

　　[m-n]　匹配除从m到n之间的任何字符

　　符号是转义操作符。例如：

　　n　换行符

　　f　分页符

　　r　回车

　　t　制表符

　　v　垂直制表符

　　　匹配

　　/　匹配/

　　s　任何白字符，包括空格、制表符、分页符等。等价于[ fnrtv]

　　S　任何非空白的字符。等价于^fnrtv]

　　w　任何单词字符，包括字母和下划线。等价于[A-Za-z0-9_]

　　W　任何非单词字符。等价于[^A-Za-z0-9_]

　　b匹配单词的结尾。例如：

　　veb　匹配单词love等，但不匹配very、even等

　　B匹配单词的开头。例如：

　　veB　匹配单词very等，但不匹配love等

　　d匹配一个数字字符，等价于[0-9]。例如：

　　abcdxyz　匹配abc2xyz、abc4xyz等，但不匹配abcaxyz、abc-xyz等

　　D匹配一个非数字字符，等价于[^0-9]。例如：

　　abcDxyz　匹配abcaxyz、abc-xyz等，但不匹配abc2xyz、abc4xyz等

　　NUM匹配NUM个（其中NUM为一个正整数），引用回到记住的匹配。例如：

　　(.)1　匹配两个连续相同的字符。

　　oNUM匹配n（其中n为一个小于２５６的八进制换码值）。例如：

　　o011　匹配制表符

　　xNUM匹配NUM（其中NUM为一个小于２５６的十六进制换码值）。例如：

　　x41　匹配字符A

　　五、实例分析

　　1）在字符串中精确查找链接地址

　　((http|https|ftp):(//|\)((w)+[.]){1,}(net|com|cn|org|cc|tv|[0-9]{1,3})(((/[~]*|[~]*)

　　(w)+)|[.](w)+)*(((([？](w)+){1}[=]*))*((w)+){1}([&](w)+[=](w)+)*)*)

　　我们知道，链接地址一般以http或者https或者ftp等形式出现。初步总结一下就是，链接地址必须符合如下条件：

　　条件１

　　以http://或者https://或者ftp://等开头（当然还有其它形式，这里只列出主要的）

　　条件２

　　http://后面必须跟一个单词字符，紧接着单词字符后面的是"."（这样的组合必须出现一次或多次）。紧跟着.后面的是域名后缀（如net或者com或者cn等，如果是以IP地址的形式出现就可以是数字）

　　条件３

　　出现完整的链接地址后，还可以出现下一级或者更多级的目录（还要注意个人主页的地址有可能出现"~"符号）

　　条件４

　　链接地址末尾可以带参数。如典型的页数？PageNo=2&action=display等

　　现在我们用下面的代码来逐个匹配上面的条件

　　1、((http|https|ftp):(//|\) 满足条件１

　　表示http:// http: https:// https: ftp:// ftp:都匹配（在这里考虑了某些用户可能把"//"输成的易发性错误）

　　注意："|"表示或者，""是转义字符。//表示"//"，\表示""

　　2、((w)+[.]){1,}(net|com|cn|org|cc|tv|[0-9]{1,3}) 满足条件２

　　((w)+[.]){1,}表示一个单词字符加一个点号可以出现1次或者多次（这里考虑了某些用户喜欢省略www而将http://www.w3c.com写成http://w3c.com）

　　(net|com|cn|org|cc|tv|[0-9]{1,3})表示必须要以net或者com或者cn或者org或者cc或者tv或者三位以下的数字结束

　　[0-9]{1,3}表示三位以下的数字，因为ip地址的任何段不能超过255

　　3、(((/[~]*|[~]*)(w)+)|[.](w)+)* 满足条件３

　　(/[~]*|[~]*)表示可以出现"/~"或者是"~"，（其中[~]*表示 ~ 可以出现也可以不出现），因为不是每个链接地址都有下一级目录

　　(w)+)|[.](w)+)表示必须出现一个单词字符（即目录或者是一个带有扩展名的文件）

　　注意：最后还有一个*表示上面括号内的可以出现也可以不出现，否则就只能匹配有下一级目录的链接地址了。

　　4、(((([？](w)+){1}[=]*))*((w)+){1}([&](w)+[=](w)+)*)*)满足条件４

　　((([？](w)+){1}[=]*))*((w)+){1}表示形如"？PageNo=2"的字符串可以出现也可以不出现，如果出现则只能出现一次（因为不可能有两个？号出现）。

　　([&](w)+[=](w)+)*)表示形如&action=display的字符串可以出现也可以不出现（因为并不是每个网页都带有两个以上的参数。

　　整个((([？](w)+){1}[=]*))*((w)+){1}([&](w)+[=](w)+)*)*表示形如？PageNo=2&action=display的字符串可以出现也可以不出现（即链接地址可以有参数也可以没有参数）

　　把上面的组合起来，我们就可以匹配一个比较全面的链接地址了。比用简单的(http://S+)来匹配一个链接地址要好，读者可以自行行测试比较。当然，这段代码还有很多不足之处，希望大家能够继续改进。

　　2）替代典型的UBB标签:[/b]

　　我们的目的就是要把[b]成对的替换成b/b下面来看我们实现它的模板

　　([b])(.+)([/b])

　　这里用了"(.+)"来配匹到之间的整个字符串，在替代的时候我们要写成这样

　　str=checkexp(re,str,"b$2/b")

　　（注意：checkexp是我自定义的函数，将在后面给出。这个函数将把[/b]按照我们提供的模板进行替代。）

　　也许你会问这里出现一个"$2"是什么东东,呵注意了这个$2可是很重要的，它代表了"(.+)"所配匹的整个字符串。

　　为什么是$2而不是$1、$3呢？因为$1代表([b])所匹配的"[b]"字符串，$3代表([/b])所匹配的""字符串，显然这里我们需要的是$2而不是$1$3。