正则表达式在ＵＢＢ论坛中的应用

踏浪行歌

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。 . I4 ?7 b8 z) o8 Q　　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。 0 H1 X: O) P6 r0 u　　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 - }/ E$ j5 T) ^, m% y9 X　　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。 ( Q3 [( m+ S8 I9 \% {二、正则表达式的概念 K6 z9 u, z" Z8 u: _+ m0 \7 h5 E　　什么是ＵＢＢ代码？什么是正则表达式？ ' o, A7 [7 r4 N　　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： 0 H' ~, u: J* g$ F6 d0 }2 W" W　　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how are you 　　你也许会问：ＡＳＰ是怎样把 how are you转换为how are you的呢？ 　　回答这个问题就是：用正则表达式。 / S$ o# K2 S [/ e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 9 [* w" m6 E2 x) V6 J4 i4 @1 ~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 / Z: t* ^5 O9 X　　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： ! V9 c; L# P/ n8 k3 E6 y/ e　　^符号匹配字符串的开头。例如： % E: o" O- s+ ?" ?3 Z6 {8 W' l　　　　^abc　与“abc xyz”匹配，而不与“xyz abc”匹配 　　$符号匹配字符串的结尾。例如： ) v8 [, a+ m' Z$ f' T　　　　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： 7 _2 |9 H+ D, p; @& {0 E3 {9 \2 |　　　　ab?c?　可以且只能匹配“abc”、“abbc”、“abcc”和“abbcc” + V2 x# E6 z$ g% n/ f& d" W/ i　　.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： ( Y X+ K# x, o# V" m6 I/ v　　　　abc|xyz　可匹配 “abc”或 “xyz”，而“ab(c|x)yz”匹配 “abcyz”和“abxyz” 6 W S6 }+ F* B) Z　　{n}匹配恰好n次（n为非负整数）前面的字符。例如： 7 c9 }0 K4 F" W ~. `3 ^; S　　　　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”。 + z. H, T- L' u2 X% D9 ~% e　　　　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： ( O H. X1 E ?" v1 t　　　　[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 . C/ U+ y- J. t6 |　　[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： 6 ?& z0 E/ c" l& {3 _# w; I& a5 u　　　　[a-z]　匹配从“a”到“z”之间的任何一个小写字母字符 K# G$ ^. o0 L% g　　[^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 2 o/ h9 I) G3 Q3 z1 j" [, H　　　　\f　分页符 　　　　\r　回车 1 t* U6 m! J9 ` b　　　　\t　制表符 o* W% l9 c) a" U2 [　　　　\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]” 5 n& k" c* v" d7 ^　　　　\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_]” # K7 k3 f3 d3 R0 l　　　　\b匹配单词的结尾。例如： 8 r$ l1 m; q/ o　　　　　　ve\b　匹配单词“love”等，但不匹配“very”、“even”等 8 ~7 S2 T# |( f. f' V$ D$ w　　　　\B匹配单词的开头。例如： % \$ r& O# ?' K4 ~" D0 @　　　　　　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 4 y; c5 J0 \& L! G　　　　\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： % k' U! P/ H8 @- L; M9 h$ \8 |　　　　　　(.)\1　匹配两个连续相同的字符。 ! g; x% L0 L: C& w+ a- V　　　　\oNUM匹配n（其中n为一个小于２５６的八进制换码值）。例如： % N5 [8 H8 Y M2 m2 c1 a' u　　　　　　\o011　匹配制表符 b1 ~5 l% w9 l3 |" j　　　　\xNUM匹配NUM（其中NUM为一个小于２５６的十六进制换码值）。例如： 8 \% m3 z+ j/ r5 e) G1 Y$ q! f8 x% U0 q8 l　　　　　　\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})(((\/[\~]*|\\[\~]*) 0 a; x+ {( V1 k(\w)+)|[.](\w)+)*(((([?](\w)+){1}[=]*))*((\w)+){1}([\&](\w)+[\=](\w)+)*)*) 9 w# Z- K' P: V) [; x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 7 Q3 C( y2 k1 T　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） * q. u6 t. _+ T H) s% s" k* ?条件４ * q4 J4 K9 L/ a; M7 N　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—— + C$ ^/ Z/ f6 n8 ]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） 6 |" D) }7 K5 A% E* l5 o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 1 v2 s$ k j0 A: R# ~! J“((\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） - [2 L$ Z s+ E; t! Z“(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 $ l! [; Z0 D% c/ Y3、(((\/[\~]*|\\[\~]*)(\w)+)|[.](\w)+)* 满足条件３ ) X$ D m5 n( o& B“(\/[\~]*|\\[\~]*)”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。 8 D \* ^8 ~4 n9 u( p& B4、(((([?](\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） 2 Z8 M- ~) S: s, X8 ~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: 0 x d: f! ~6 S/ l5 w+ R( q" E' j/ _我们的目的就是要把成对的替换成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,"$2") （注意：checkexp是我自定义的函数，将在后面给出。这个函数将把按照我们提供的模板进行替代。） $ f* o ]9 j8 N( K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。 % W; a% p( O0 D* `; B为什么是$2而不是$1、$3呢？因为$1代表(\[b\])所匹配的""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$3。 5 Y# `1 W1 w' M% t u7 H六）ＵＢＢ正则表达模板实例 8 C k/ g5 P' x# \/ I& O X下面是我写的一个ＵＢＢ函数，这个函数基本上能使你的论坛成为一个优秀的ＵＢＢ代码论坛了。当然，通过改进后，你可以得到一个更强大的ＵＢＢ论坛。 ' | y0 C$ h \8 S9 {) yFunction ReThestr(face,str) 9 k& F8 \0 G7 u; ]$ V" h$ d5 x　dim re,str 4 o6 ?; h4 }7 P6 s8 b7 G4 |　re="\>" ( g$ F5 N8 {4 c6 X2 ]　str=checkexp(re,str,">") 　re="\") 0 o s) a# W1 Q; {　re=chr(32) $ \# ]) H4 w f; \　str=checkexp(re,str," ") - P* H" J/ U. Q+ [ v8 N W# u　re="\r" 4 E$ x* c: F! y" ^( V; I　str=checkexp(re,str," ") 　re="\[img\]((http\/\/|\\\\)){1}((\w)+[.]){1,3}(net|com|cn|org|cc|tv)(((\/[\~]*|\\[\~]*) % P8 Z: R1 U. J(\w)+)|[.](\w)+)*(\w)+[.]{1}(gif|jpg|png))\[\/img\]" '查找图片地址 . g# x$ R# f4 X6 t　str=checkexp(re,str," ") * Z; ]5 H+ H. ]/ X1 I* b　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,"") 　re="([^('>)])( )*((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 $3 ") 　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 $2 ") 　re="([^(=)])((\w)+[@]{1}((\w)+[.]){1,3}(\w)+)" '查找邮件地址 % x4 K( }% l& A　str=checkexp(re,str," $2 ") 　re="\[0-F]{6})\]((.)+)\[\/color\]" '替换字体色彩 　str=checkexp(re,str,"$4") 　re="\[size=([0-9]{1})\]((.)+)\[\/size\]" '替换字体大小 ( k7 s; O: T S" L　str=checkexp(re,str,"$2") 9 ^/ y$ [5 @" d' S. J0 W　re="\((.)+)\[\/font\]" '替换字体 　str=checkexp(re,str,"$3") ' a, g0 @1 ]1 W9 @# A) T* m　re="(\[b\])(.+)(\[\/b\])" '加粗字体 　str=checkexp(re,str,"$2") 　re="(\[u\])(.+)(\[\/u\])" '下画线 　str=checkexp(re,str,"$2") \+ y! p8 t) F' T( l　re="(\[li\])(.+)(\[\/li\])" '列表 　str=checkexp(re,str,"$2") ( ]3 J% \" ~1 U0 d# o　re="(\[QUOTE\])(.+)(\[\/QUOTE\])" '引用 ; d9 y# a/ I: i# d, |　str=checkexp(re,str,"引用2") 0 W" v( E/ [) v, m& \　re="\[email=((\w)+[@]{1}((\w)+[.]){1,3}(\w)+)\](.+)(\[\/email\])" '邮件 　str=checkexp(re,str,"$6") 　re="(\[center\])(.+)(\[\/center\])" '居中 　str=checkexp(re,str,"$2") 1 e, r, o- N/ f/ S, T$ t6 X　re="fuck" ! T/ P+ @7 x- M# t　str=checkexp(re,str,"***") 　re="操" 0 ]0 @# E/ ?# v3 E7 f$ T" x& K, z　str=checkexp(re,str,"***") 9 W K. K9 P. p　re="sex" 　str=checkexp(re,str,"***") 　re="TMD" 　str=checkexp(re,str,"***") 　re="shit" % X4 N2 o/ ~1 p; P1 ^0 ~) |( B　str=checkexp(re,str,"***") 　ReThestr=str ) n5 ~4 D* u! C$ ?) gend function - ^+ |* X' [) [( o6 B+ [. ?7 jＵＢＢ代码如下： [email=] [/email]

登录/注册后可看大图

引用: / z+ x6 a. c& h: }- I3 O+ H7 a$ d[li] [/li] 测试代码如下：

7 g0 }8 s5 F7 P! e3 q) \. C' A
登录/注册后可看大图

+ q& ^* d+ \1 U2 r( K/ q

5 f# F4 W8 ~5 e2 ^7 E/ o% _
登录/注册后可看大图

http://cn.yahoo.com aol.com 5 B2 d4 E' g. ?! } 8 m5 Q# U" ^' O P2 n192.168.0.1 + Z& z3 B8 Z$ ]8 M5 bwww.yahoo.com how are you : z7 c F, {2 U' opage2000.xiloo.com/~page2000?PageNo=2&action=del lucaihui@cmmail.com 大家好http:\\page2000.shit 9 v3 b+ J% @$ y$ uhttp://test.comhttp://test 全部符合预想结果 七）ＡＳＰ正则表达式对像函数如下： ~7 a& ~. p N& gFunction 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 9 ?2 P0 z n8 w( [　regEx.IgnoreCase=true'搜索是否区分大小写的 true表是不区分 flase表示区分 6 b* h2 S5 B: ?" \# X　regEx.Global=True'搜索是否应用于整个字符串 # I' M' J p0 _$ X　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。 6 |, E' z0 C2 C9 T, D! y A, H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 . ~) {$ `9 c& ?2 T( X　text=ReThestr(text)