原文章地址： http://www.mifun.net/pengjie/myweb/article/article.asp?id=145&sort=asp Asp正则表达式在ＵＢＢ论坛中的应用 |
 |
|
文章类别：asp加入时间：2002-11-19 人气指数：3046 |
| 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,">") re="\<" str=checkexp(re,str,"<") re="\n\r\n/" str=checkexp(re,str,"<P>") re=chr(32) str=checkexp(re,str," ") 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="\{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="\){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="fuck" str=checkexp(re,str,"***") re="操" str=checkexp(re,str,"***") re="sex" str=checkexp(re,str,"***") re="TMD" str=checkexp(re,str,"***") re="shit" str=checkexp(re,str,"***") ReThestr=str end function ＵＢＢ代码如下： [url] [/url] [email=] [img] [/img] 引用: -------------------------------------------------------------------------------- -------------------------------------------------------------------------------- [li] [/li] [font=impact] [color=Yellow] [size=4] 测试代码如下： [img] [/img]http://cn.yahoo.com http://aol.com http://192.168.0.1 www.yahoo.com how are you[/b] http://page2000.xiloo.com/~page2000?PageNo=2&action=del lucaihui@cmmail.com 大家好http:\\page2000.shit <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) |