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。
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://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:
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。)
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。
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,"
")
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," ")
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="([^()((www%7ccn)[.](/w)+[.]%7b1,%7d(net%7ccom%7ccn%7corg%7ccc)(((//[/~]*%7c//[/~]*)(/w)+)%7c[.](/w]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
str=checkexp(re,str," $2 ")
re="\[0-f])\]((.)+)\[\/color\]" ''替换字体色彩
str=checkexp(re,str,"$4")
re="\{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")
re="(\[u\])(.+)(\[\/u\])" ''下画线
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="\){1,3}(\w)+)\](.+)(\[\/email\])" ''邮件
str=checkexp(re,str,"$6")
re="(\[center\])(.+)(\[\/center\])" ''居中
str=checkexp(re,str,"
$2")
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:
[email=]
引用:
--------------------------------------------------------------------------------
测试代码如下:
http://cn.yahoo.com
http://aol.com http://192.168.0.1
yahoo.com how are you
http://page2000.xiloo.com/~page2000?pageno=2&action=del
lucaihui@cmmail.com 大家好http:\\page2000.****
http://test.comhttp://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)
该文章在 2010/7/3 13:24:37 编辑过