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。 * d, N) X+ `, G% ?- D　　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 * _" ^% P) f/ p. A　　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 ' K! D- ^" J% R- \( X F　　什么是ＵＢＢ代码？什么是正则表达式？ 4 d# c* l5 K4 Z* H0 l　　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。 . o" x- U3 I+ _4 S' Q/ f1 U　　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how are you 　　你也许会问：ＡＳＰ是怎样把 how are you转换为how are you的呢？ 3 P* ?% x; [$ x' Y& R F+ Y( b　　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 % v% Y# v* D/ x& H* F! v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 ! k" T" V8 g1 W. ^( W( P　　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： ) i I% f; S- I3 J　　^符号匹配字符串的开头。例如： ; p/ `5 w0 P% W+ ?, z　　　　^abc　与“abc xyz”匹配，而不与“xyz abc”匹配 　　$符号匹配字符串的结尾。例如： & S; ]4 s0 O6 D M9 G; y. b! Z　　　　abc$　与“xyz abc”匹配，而不与“abc xyz”匹配。 ; ?. i2 X) q0 x2 L1 ]; \4 v　　　　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”。 % P7 Y0 R6 x" H9 S7 M　　?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： 6 W8 i Y+ T# w. R　　　　(.)+　匹配除换行符以外的所有字符串 　　x|y匹配“x”或“y”。例如： / Z8 k; I- O% a% @, n　　　　abc|xyz　可匹配 “abc”或 “xyz”，而“ab(c|x)yz”匹配 “abcyz”和“abxyz” . ^& _6 v4 ?+ _% A　　{n}匹配恰好n次（n为非负整数）前面的字符。例如： + t! r; R4 {8 v: S1 o1 O8 ?　　　　a{2}　可以匹配“aa“，但不匹配“a” 6 A% X H s% v6 s0 L! m* `! m　　{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”。 ( a0 X" }( S# h- Y" N/ Y G) E3 y　　　　注意：a{1,}等价于a+ ^0 a( W6 }& v9 K& j　　　　　　　a{0,}等价于a* 9 ]6 G* d: [5 Q3 C) ^　　{m,n}匹配至少m个，至多n个前面的字符。例如： , ]: s) C1 {# O/ T8 Y! S; a　　　　a{1,3}　只匹配“a”、“aa”和“aaa”。 $ F, A5 R) p0 ~5 V　　　　注意：a{0,1}等价于a? N9 Y) z$ G1 Q8 a) S　　[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： : q3 w( C0 N( h4 O. R# {　　　　[^abc]　可以匹配除“a”、“b”和“c”之外的任何字符 ( J. W) W9 X5 x　　[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： , H7 w$ m) z% }7 n/ R　　　　[m-n]　匹配除从“m”到“n”之间的任何字符 " I4 Z! @9 D/ A G　　\符号是转义操作符。例如： # d, C f4 T# W# Z4 ]　　　　\n　换行符 " |* v" y% v' d3 }, \: R　　　　\f　分页符 4 Y3 L0 ^7 X+ ^0 P8 t" x* [/ C! B/ h　　　　\r　回车 : S3 s/ C! x# z　　　　\t　制表符 　　　　\v　垂直制表符 　　　　\\　匹配“\” 　　　　\/　匹配“/” " F4 _7 L$ I b　　　　\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_]” / h2 z/ K b7 Q) \/ D　　　　\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 ; E' S- f7 V1 S7 _3 k6 |　　　　\B匹配单词的开头。例如： / M7 A2 b. V- R/ w9 l# O+ c& T, e　　　　　　ve\B　匹配单词“very”等，但不匹配“love”等 6 k6 K# H r& n) A$ Q `0 y　　　　\d匹配一个数字字符，等价于[0-9]。例如： 5 l1 u2 E3 z! h8 F# Z2 N　　　　　　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： 4 a/ n0 i* y8 d9 M　　　　　　abc\Dxyz　匹配“abcaxyz”、“abc-xyz”等，但不匹配“abc2xyz”、“abc4xyz”等 9 ?. l+ h- Q2 i# u: b$ m" N( p3 \　　　　\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。 5 F- k: Y S' ^" o+ c" t4 z　　　　\oNUM匹配n（其中n为一个小于２５６的八进制换码值）。例如： 9 B$ y ]1 J0 [8 t( j1 M0 \9 {　　　　　　\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： * P4 Q" n6 y2 U1 C+ @　　　　　　\x41　匹配字符“A” # v) [4 t3 k* p: j5 {五、实例分析 1）在字符串中精确查找链接地址 0 v1 S/ D, P- u% N4 x, j3 _((http|https|ftp)\/\/|\\\\)((\w)+[.]){1,}(net|com|cn|org|cc|tv|[0-9]{1,3})(((\/[\~]*|\\[\~]*) ! j2 b& }" _! R! d! r; m( r8 D; c(\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） ! e( O0 A1 T. A0 }$ s& W; @+ a条件２ % L- ^5 _* U+ e5 W" l& l　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） j* z5 i r. R- F条件３ 3 A/ B/ s1 l8 e. L$ F3 G　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） ! y5 c7 \9 n+ p5 ^/ m% n1 d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 / E k4 f) [$ K# {9 l R3 P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 " I. k8 w+ u. |. T2 ~1 u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） 0 \: s& ]& A3 } x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 3 _( s' P! j8 ?3 D0 {! X“((\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 & @8 m, |# Q0 {4 w# l9 b; ^, {4 O3、(((\/[\~]*|\\[\~]*)(\w)+)|[.](\w)+)* 满足条件３ : @% H8 p# t, j) v' {" Y“(\/[\~]*|\\[\~]*)”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 7 K' B. o% j& B$ E, j! ^( \1 R“(\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 1 z1 k+ L+ i/ r“((([?](\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）。 ; A4 q4 D0 [5 n |“([\&](\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） ( p2 J9 P- s% [# V. b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 }6 k9 n! z8 v4 [2）替代典型的UBB标签: : t, P9 s9 X6 f. }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 9 O& B# _ Y" Z2 r　　(\[b\])(.+)(\[\/b\]) 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") - o" o8 Z! [) z（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。） 6 C0 G ]" s' X; P. `8 t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""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$3。 0 v f+ z1 y; A+ ]六）ＵＢＢ正则表达模板实例 7 A4 T% _0 ]* P! l4 Q下面是我写的一个ＵＢＢ函数，这个函数基本上能使你的论坛成为一个优秀的ＵＢＢ代码论坛了。当然，通过改进后，你可以得到一个更强大的ＵＢＢ论坛。 1 B, Z) L6 O0 r6 yFunction ReThestr(face,str) 5 m' X; d) v! k1 `( {* N( d& D; y　dim re,str 　re="\>" " [: U7 `' [. e$ p% I; Q# B6 W　str=checkexp(re,str,">") 　re="\") 　re=chr(32) 　str=checkexp(re,str," ") & z7 `, {4 m5 I3 G4 N+ R　re="\r" 6 X( `9 k7 ?( }4 s3 ]0 @% P/ }7 ]8 `$ b　str=checkexp(re,str," ") ! `7 l& R S) ?2 t　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," ") 　re="\[w\](http\/\/|\\\\)((\w)+[.]){1,}(net|com|cn|org|cc|tv)(((\/[\~]*|\\[\~]*)(\w)+)|[.](\w)+)* 8 C/ H" z- t' r0 @4 T' K; @! t(((([?](\w)+){1}[=]*))*((\w)+){1}([\&](\w)+[\=](\w)+)*)*)\[\/w\]" '查找帧地址 f+ h) {6 y% _- x　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 % m3 _% p. p. t　str=checkexp(re,str,"$1$2 $3 ") 0 [" i* A5 o: k: j( D& Z　re="([^(http://|http:\\)])((www|cn)[.](\w)+[.]{1,}(net|com|cn|org|cc)(((\/[\~]*|\\[\~]*)(\w)+)|[.](\w)+)* 7 {1 T: t& Z1 `( B. \& h(((([?](\w)+){1}[=]*))*((\w)+){1}([\&](\w)+[\=](\w)+)*)*)" '查找不以http://开头的地址 , ]$ t0 G, ^3 ] R# w) i　str=checkexp(re,str,"$1 $2 ") 　re="([^(=)])((\w)+[@]{1}((\w)+[.]){1,3}(\w)+)" '查找邮件地址 　str=checkexp(re,str," $2 ") 　re="\[0-F]{6})\]((.)+)\[\/color\]" '替换字体色彩 5 f v8 v0 X! Q/ x, S　str=checkexp(re,str,"$4") 9 S/ ?% \0 {% |) U0 N6 R7 w　re="\[size=([0-9]{1})\]((.)+)\[\/size\]" '替换字体大小 　str=checkexp(re,str,"$2") 　re="\((.)+)\[\/font\]" '替换字体 　str=checkexp(re,str,"$3") 　re="(\[b\])(.+)(\[\/b\])" '加粗字体 　str=checkexp(re,str,"$2") : ]- o4 ?8 _7 i: r8 L9 ?1 D0 f　re="(\[u\])(.+)(\[\/u\])" '下画线 2 L+ T1 Y- z% \' T7 x9 z　str=checkexp(re,str,"$2") 　re="(\[li\])(.+)(\[\/li\])" '列表 　str=checkexp(re,str,"$2") 　re="(\[QUOTE\])(.+)(\[\/QUOTE\])" '引用 　str=checkexp(re,str,"引用2") 　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,"$2") 　re="fuck" 　str=checkexp(re,str,"***") 5 T- a( V: i2 \　re="操" 　str=checkexp(re,str,"***") 　re="sex" 　str=checkexp(re,str,"***") @2 X$ D! e. J e( {　re="TMD" 　str=checkexp(re,str,"***") 　re="shit" 　str=checkexp(re,str,"***") 6 P/ z) @; }0 g. y# k　ReThestr=str 9 z& i! E" j6 }$ p% @7 Send function ＵＢＢ代码如下： * P. b: A* L) ? " L, V) U" a" T9 }8 `6 q; y [email=] [/email]

登录/注册后可看大图

, a) W& p" ]' V3 E5 a- R引用: [li] [/li] 1 ^* y5 Y: F8 @+ h# R测试代码如下： * |$ m X D. P# R& l+ u" n2 d

! s. B2 {0 V' }3 V" r: v
登录/注册后可看大图

2 }- _. B' @- C4 ^- Z5 N

8 s6 [7 u" M* O
登录/注册后可看大图

http://cn.yahoo.com 3 @3 z, L% O O; C' m& e1 @! yaol.com : ?) W- K1 _6 f2 U x( w 192.168.0.1 www.yahoo.com ( Y/ p, R' l4 l- q how are you $ ?3 ^; r* l3 a! Vpage2000.xiloo.com/~page2000?PageNo=2&action=del lucaihui@cmmail.com 大家好http:\\page2000.shit http://test.comhttp://test 5 l8 M5 r B- ?: q; f' O6 Q9 A2 m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 3 F6 n, W( X9 @' ^- R5 D% a0 s& f5 X4 p　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 ! M+ D" w$ C- Z2 q8 Z5 |5 U9 m　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 4 m# Y1 e" f0 e0 P　CheckExp=Matches返回函数结果 " Y# }. f) {+ s$ ?* tend function + D" W. f: M# @9 h% G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)