正则表达式(转)

      多媒体世界 2006-5-25 14:41
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<b>how are you</b>

  你也许会问:ASP是怎样把 how are you转换为<b>how 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"[ \f\n\r\t\v]"
    \S 任何非空白的字符。等价于"^\f\n\r\t\v]"
    \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:
      ve\b 匹配单词"love"等,但不匹配"very"、"even"等

    \B匹配单词的开头。例如:
      ve\B 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:
      abc\dxyz 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:
      abc\Dxyz 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。


六)UBB正则表达模板实例
下面是我写的一个UBB函数,这个函数基本上能使你的论坛成为一个优秀的UBB代码论坛了。当然,通过改进后,你可以得到一个更强大的UBB论坛。

Function ReThestr(face,str)
 dim re,str

 re="\>"
 str=checkexp(re,str,"&gt;")

 re="\<"
 str=checkexp(re,str,"&lt;")

 re="\n\r\n/"
 str=checkexp(re,str,"<P>")

 re=chr(32)
 str=checkexp(re,str,"&nbsp;")

 re="\r"
 str=checkexp(re,str," ")

 re="\[img\]((http:(\/\/|\\\\)){1}((\w)+[.]){1,3}(net|com|cn|org|cc|tv)(((\/[\~]*|\\[\~]*)
(\w)+)|[.](\w)+)*(\w)+[.]{1}(gif|jpg|png))\[\/img\]" '查找图片地址
 str=checkexp(re,str," <img src='$ 1'> ")

 re="\[w\](http:(\/\/|\\\\)((\w)+[.]){1,}(net|com|cn|org|cc|tv)(((\/[\~]*|\\[\~]*)(\w)+)|[.](\w)+)*
(((([?](\w)+){1}[=]*))*((\w)+){1}([\&](\w)+[\=](\w)+)*)*)\[\/w\]" '查找帧地址
 str=checkexp(re,str,"<iframe width='300' height='300' src='$ 1'></iframe>")

 re="([^('>)])(<br>)*((http|https|ftp):(\/\/|\\\\)((\w)+[.]){1,}(net|com|cn|org|cc|tv|([0-9]{1,3}))(((\/[\~]*|\\[\~]*)(\w)+)|[.](\w)+)*(((([?](\w)+){1}[=]*))*((\w)+){1}([\&](\w)+[\=](\w)+)*)*)" '查找链接地址
 str=checkexp(re,str,"$ 1$ 2 <a href='$ 3' target=_blank>$ 3</a> ")

 re="([^(http://|http:\\)])((www|cn)[.](\w)+[.]{1,}(net|com|cn|org|cc)(((\/[\~]*|\\[\~]*)(\w)+)|[.](\w)+)*
(((([?](\w)+){1}[=]*))*((\w)+){1}([\&](\w)+[\=](\w)+)*)*)" '查找不以http://开头的地址
 str=checkexp(re,str,"$ 1 <a href='http://$ 2' target=_blank>$ 2</a> ")

 re="([^(=)])((\w)+[@]{1}((\w)+[.]){1,3}(\w)+)" '查找邮件地址
 str=checkexp(re,str," <a href='mailto:$ 2'>$ 2</a> ")

 re="\[0-F]{6})\]((.)+)\[\/color\]" '替换字体色彩
 str=checkexp(re,str,"<font color='$ 1'>$ 4</font>")

 re="\[size=([0-9]{1})\]((.)+)\[\/size\]" '替换字体大小
 str=checkexp(re,str,"<font size='$ 1'>$ 2</font>")

 re="\((.)+)\[\/font\]" '替换字体
 str=checkexp(re,str,"<font face='$ 1'>$ 3</font>")

 re="(\[b\])(.+)(\[\/b\])" '加粗字体
 str=checkexp(re,str,"<b>$ 2</b>")

 re="(\[u\])(.+)(\[\/u\])" '下画线
 str=checkexp(re,str,"<u>$ 2</u>")

 re="(\[li\])(.+)(\[\/li\])" '列表
 str=checkexp(re,str,"<li>$ 2</li>")

 re="(\[QUOTE\])(.+)(\[\/QUOTE\])" '引用
 str=checkexp(re,str,"<BLOCKQUOTE>引用:<HR SIZE=1>$ 2<HR SIZE=1></BLOCKQUOTE>")

 re="\[email=((\w)+[@]{1}((\w)+[.]){1,3}(\w)+)\](.+)(\[\/email\])" '邮件
 str=checkexp(re,str,"<a href=mailto:$ 1>$ 6</a>")

 re="(\[center\])(.+)(\[\/center\])" '居中
 str=checkexp(re,str,"<center>$ 2</center>")

 re="***"
 str=checkexp(re,str,"***")

 re="操"
 str=checkexp(re,str,"***")

 re="sex"
 str=checkexp(re,str,"***")

 re="TMD"
 str=checkexp(re,str,"***")

 re="***"
 str=checkexp(re,str,"***")

 ReThestr=str
end function

UBB代码如下:

[url] [/url] [email=] [/email] [img] [/img]
引用:
--------------------------------------------------------------------------------

--------------------------------------------------------------------------------

[li] [/li] [font=impact] [color=Yellow]

测试代码如下:
[img] [/img]http://cn.yahoo.com
aol.com 192.168.0.1
www.yahoo.com how are you[/b]
page2000.xiloo.com/~page2000?PageNo=2&action=del
lucaihui@cmmail.com 大家好http:\\page2000.***
<font color=red>http://test.com</font>http://test
全部符合预想结果

七)ASP正则表达式对像函数如下:
Function CheckExp(patrn,strng,tagstr)
 Dim regEx,Matches

 Set regEx=New RegExp'建立一个新对像
 regEx.Pattern=patrn'设置模板
 regEx.IgnoreCase=true'搜索是否区分大小写的 true表是不区分 flase表示区分
 regEx.Global=True'搜索是否应用于整个字符串

 Matches=regEx.replace(strng,tagstr)'匹配并替代字符串

 CheckExp=Matches返回函数结果
end function


把上面的两个函数存为一个页面(如ubbcode.asp),这样就组成一个完整的UBB函数了。
在你的论坛上加上这个函数,就成了支持UBB代码的论坛了。只要在用时调用这个函数就行了。调用形式如
 text=ReThestr(text)


很久以前写的文章了不知现在还实不实用
嘻~~有错误的话
问我我也不清楚了这么久不看都忘了
:)

倒这文章看不了了禁止笑脸转换了还这样

看来ubb和ubb冲突了

哈~~~~~
标签集:TAGS:
回复Comments() 点击Count()

回复Comments

{commenttime}{commentauthor}

{CommentUrl}
{commentcontent}