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。 , i) B I, S5 R; Z; ~: @　　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。 2 S) U2 J; n& n7 I　　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 2 D) f T7 c5 ~ k; c) ?6 F　　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。 * N' K' c/ l' z4 z: h; V% h! {　　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： ( B( P/ c9 [! N) D, a4 a* |2 D. 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 * B4 {/ E8 I0 [+ l4 [" I/ x　　你也许会问：ＡＳＰ是怎样把 how are you转换为how are you的呢？ " x$ S# a a. ?: B# [　　回答这个问题就是：用正则表达式。 三、正则表达式的用途 7 n# p5 q$ U. `8 i2 o& C. |# k6 O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. ; S: A+ n5 F7 V. f　　字符描述： 2 E, r& A! N7 Y% l) P) o Q! X3 G　　^符号匹配字符串的开头。例如： 0 g, Y* n% t3 q3 t* T3 d% l& J　　　　^abc　与“abc xyz”匹配，而不与“xyz abc”匹配 : q3 D8 i- c- x6 G: C0 |　　$符号匹配字符串的结尾。例如： 9 D& e, V: A, A6 ^" x9 N: j5 m3 l　　　　abc$　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　　　 9 }6 ]& j" P7 x8 Q6 S　　*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： : y6 z N3 v* I7 F2 X　　　　ab?c?　可以且只能匹配“abc”、“abbc”、“abcc”和“abbcc” 5 h) h3 g0 F7 r5 ^1 v. I　　.符号匹配除换行符以外的任何字符。例如： * P5 B, A8 C, }0 x$ r$ T　　　　(.)+　匹配除换行符以外的所有字符串 9 ?9 x0 N% M( b: l8 E　　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” ; e0 |- [3 X: _% ^: ?* Z0 r- q　　{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* 2 \" o/ G2 p! P1 Q" p: ~3 z n7 M8 G　　{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? # ?; V: D. m0 ~　　[xyz]表示一个字符集，匹配括号中字符的其中之一。例如： 0 b" g5 G& e( q1 H8 `9 ~1 N4 x　　　　[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： 1 e D7 G/ j, t h- Z3 _3 r& i' P　　　　[^abc]　可以匹配除“a”、“b”和“c”之外的任何字符 ) m8 u3 P3 ]3 V$ J. X7 c　　[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： ( M6 `; C/ O! Z$ b& Y　　　　[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 ) R; I+ A! y) W- J　　　　\f　分页符 　　　　\r　回车 　　　　\t　制表符 5 [3 Q4 C5 A. `　　　　\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]” 9 v4 s" {+ S0 ^ ?# H' w+ k2 h　　　　\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： " _) F3 n; |; G" m　　　　　　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 % V/ {/ C6 t. R2 o7 e　　　　\d匹配一个数字字符，等价于[0-9]。例如： . h* }5 S- k5 R% ~7 l　　　　　　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： 9 N1 d: R7 F; Y$ q% l5 ?6 c　　　　　　abc\Dxyz　匹配“abcaxyz”、“abc-xyz”等，但不匹配“abc2xyz”、“abc4xyz”等 Z/ A" W# p" ^ y" `　　　　\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： 2 Y, S6 H6 I. d1 h7 U7 t　　　　　　(.)\1　匹配两个连续相同的字符。 7 @( n% C) E& T+ i$ D0 n　　　　\oNUM匹配n（其中n为一个小于２５６的八进制换码值）。例如： 9 a( O; G# }) H$ a" F; A　　　　　　\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” 2 R' s3 ]+ M) m, q$ i% g/ `, ~# 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)+)*)*) & W) y0 N w0 m9 S U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： + }+ k" x2 _- l条件１ 6 P5 w4 t8 R3 I: B( M+ Z: [& V　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） 7 I" ^* N M5 ^3 f/ b) x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） & K% u$ @) _ i$ D0 S4 P条件４ - g$ }( D: I5 `2 H. r1 {+ p　链接地址末尾可以带参数。如典型的页数?PageNo=2&action=display等 % L- l: [0 j! C5 @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"\\" * J2 `) E3 X3 G9 n/ i2、((\w)+[.]){1,}(net|com|cn|org|cc|tv|[0-9]{1,3}) 满足条件２ + V2 _$ ^/ K5 T& v# E“((\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） . F6 U$ h/ d% k' o* o“(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 ' ~' \9 T' y# U3、(((\/[\~]*|\\[\~]*)(\w)+)|[.](\w)+)* 满足条件３ 0 Z) s& R' h( |" ~' `“(\/[\~]*|\\[\~]*)”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 9 x3 l7 Y3 f7 V# L. L! ~“(\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。 : C( k* _; I/ G/ l" u4、(((([?](\w)+){1}[=]*))*((\w)+){1}([\&](\w)+[\=](\w)+)*)*)满足条件４ 8 Z% v/ @3 ?2 c$ Q5 Q“((([?](\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）。 ! D" B- y) [4 y8 _2 L( X“([\&](\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。 ! G# f; p P! |5 ^. c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: 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。） , K6 x u/ i1 E7 R, n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。 . f4 F/ H' U' r- Z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$3。 六）ＵＢＢ正则表达模板实例 9 r; f+ c# Z, _. L下面是我写的一个ＵＢＢ函数，这个函数基本上能使你的论坛成为一个优秀的ＵＢＢ代码论坛了。当然，通过改进后，你可以得到一个更强大的ＵＢＢ论坛。 Function ReThestr(face,str) 5 j& a$ c N1 e! x" n% A　dim re,str 　re="\>" - F1 m: x9 ?/ p: n' _　str=checkexp(re,str,">") 　re="\") & w( `2 [/ d3 @+ L　re=chr(32) 　str=checkexp(re,str," ") 　re="\r" 　str=checkexp(re,str," ") 6 E3 T+ z x3 s0 j) O　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 - ?3 v7 u) H! ~" s1 |* u　str=checkexp(re,str," ") 　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 ' x5 l1 t% X* A, d. O　str=checkexp(re,str,"") " O. U" u. k- }　re="([^('>)])( % g; J/ Y1 s9 R1 g! Z# X)*((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 $3 ") 　re="([^(http://|http:\\)])((www|cn)[.](\w)+[.]{1,}(net|com|cn|org|cc)(((\/[\~]*|\\[\~]*)(\w)+)|[.](\w)+)* 7 V- R% ^; t1 e5 F(((([?](\w)+){1}[=]*))*((\w)+){1}([\&](\w)+[\=](\w)+)*)*)" '查找不以http://开头的地址 * R" {: b5 z$ I* w0 V0 O& i　str=checkexp(re,str,"$1 $2 ") 　re="([^(=)])((\w)+[@]{1}((\w)+[.]){1,3}(\w)+)" '查找邮件地址 ( T5 K1 r1 V1 y. S　str=checkexp(re,str," $2 ") 　re="\[0-F]{6})\]((.)+)\[\/color\]" '替换字体色彩 ; Q% A. T' n3 Q7 M4 ~　str=checkexp(re,str,"$4") 0 L2 b, [6 k7 D) Y) M6 Z1 s　re="\[size=([0-9]{1})\]((.)+)\[\/size\]" '替换字体大小 ' w# ?2 R1 h8 |2 H　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") 　re="(\[u\])(.+)(\[\/u\])" '下画线 　str=checkexp(re,str,"$2") 　re="(\[li\])(.+)(\[\/li\])" '列表 　str=checkexp(re,str,"$2") 4 u" n9 @, E% v i' q- o　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") 0 [* r( Q+ {; P% L　re="(\[center\])(.+)(\[\/center\])" '居中 　str=checkexp(re,str,"$2") 　re="fuck" 　str=checkexp(re,str,"***") 　re="操" 　str=checkexp(re,str,"***") 　re="sex" ! v. K1 K- M+ z7 P　str=checkexp(re,str,"***") 　re="TMD" + b- \* L A% |4 P4 K# c0 k) h　str=checkexp(re,str,"***") 　re="shit" , v6 U- } L; a8 i　str=checkexp(re,str,"***") 　ReThestr=str end function ＵＢＢ代码如下： ! k" J( y3 p; W$ r3 Q5 U9 T0 U [email=] [/email]

登录/注册后可看大图

8 S# n3 ?; X, x) q |# ^引用: 6 f5 a! q8 h2 m& I[li] [/li] $ D; A. x& K: i+ ]* i8 @9 v测试代码如下：

登录/注册后可看大图

登录/注册后可看大图

http://cn.yahoo.com aol.com - h1 k" T, z$ q5 `+ v! ]2 t4 k 192.168.0.1 www.yahoo.com ) a5 u! ^# D! g how are you 0 r# v4 A8 x5 f. T4 j- npage2000.xiloo.com/~page2000?PageNo=2&action=del / ~0 j$ j' o' glucaihui@cmmail.com 大家好http:\\page2000.shit http://test.comhttp://test & v/ L% f6 `$ H! W! I4 m7 w" [! x全部符合预想结果 七）ＡＳＰ正则表达式对像函数如下： ) }3 N" Y/ f$ |# i3 C( WFunction CheckExp(patrn,strng,tagstr) ! z2 Y2 s3 J$ B! w& m" ~　Dim regEx,Matches 　Set regEx=New RegExp'建立一个新对像 8 u9 K* u: Z% b+ o7 E　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 7 H6 n& z0 U1 v8 t1 z$ K　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 0 t3 ]: Y0 b: b9 i8 `& x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 # a V) I x) T: H) A( I( K　text=ReThestr(text)