正則表達式在UBB論壇中的應用

2020-03-16 21:23:58

字體：大中小

來源：轉載

供稿：網友

一、讀者指引
　　讀者指引幫助你掌握本文的梗概。以免你看了大半才明白這編文章不適合你，給你造成視覺污染。
　　如果你正在用ＡＳＰ寫程序，或者你正在寫一些諸如ＢＢＳ、留言溥或表單數據檢查之類的東東那就值得一看。
　　如果你對正則表達式已經了如指掌，那么你不必一行行的看，只要看看我寫的模板，再比較一下，取其精華就行了。
　　如果你還是第一次接觸正則表達式，那么你最好一行行的看，并逐條試驗
　　當你熟練的掌握了正則表達式的用法，你就會發現其樂無窮。
二、正則表達式的概念
　　什么是ＵＢＢ代碼？什么是正則表達式？
　　ＵＢＢ代碼是HTML的一個變種。一般情況下，ＵＢＢ論壇不允許你使用ＨＴＭＬ代碼，而只能用ＵＢＢ代碼替代ＨＴＭＬ代碼。
　　ＵＢＢ代碼是一套由流行的ＵＢＢ標簽組成了固定代碼，代碼有統一的格式。用戶只要遵循代碼規則就可以實現用戶想要的功能。如：
　　想要顯示粗體的how are you 字樣，就應該輸入 how are you而不是輸入how are you
　　你也許會問：ＡＳＰ是怎樣把 how are you轉換為how are you的呢？
　　回答這個問題就是：用正則表達式。
三、正則表達式的用途
有時我們在制作網站表單數據處理的時候（尤其是ＵＢＢ論壇）,都需要進行數據驗證和字符串替代，特別是ＵＢＢ論壇要進行大量的數據安全性和字符串替代
郵于一般的論壇不支持HTML語法這就使得用戶不能修改字體，不能貼圖等等一些功能。這樣使得論壇失去了吸引用戶的一個強有力的途徑。可能說一個強大的論壇在吸引用戶數量上還是很重要的。這樣就出現了一個ＵＢＢ解決方案，即在論壇不支持HTML語法的情況下用戶仍然可以定制自已貼子的樣式，貼圖，增加鏈接，轉貼網頁等等諸多的功能，可能達到支持HTML語法同樣的效果，而且這樣可以使得論壇相對于HTML的論壇安全性大大提高。用戶基本不能對論壇過行任何惡意攻擊。
四、正則表達式的語法規則和標記
　　現在我們正式進入則表達式的學習，我會根據實例結合講解正則表達式的用法，看完后你就會覺得寫ＵＢＢ代碼如此簡單了，只要你一步一步的跟著我學看完本文章后你就成為ＵＢＢ高手了。激動人心的就是你能寫出自已的ＵＢＢ標簽來了，再也不用到別人那里去拷貝現成的代碼和模板了。還好VBScritp5.0給我們提供了“正則表達式”對象，只要你的服務器安裝了IE5.x，就可以運行了.
　　字符描述：
　　^符號匹配字符串的開頭。例如：
　　　　^abc　與“abc xyz”匹配，而不與“xyz abc”匹配
　　$符號匹配字符串的結尾。例如：
　　　　abc$　與“xyz abc”匹配，而不與“abc xyz”匹配。
　　　　注意：如果同時使用^符號和$符號，將進行精確匹配。例如：
　　　　　　　^abc$　只與“abc”匹配　　　
　　*符號匹配０個或多個前面的字符。例如：
　　　　ab*　可以匹配“ab”、“abb”、“abbb”等
　　+符號匹配至少一個前面的字符。例如：
　　　　ab+　可以匹配“abb”、“abbb”等，但不匹配“ab”。
　　?符號匹配０個或１個前面的字符。例如：
　　　　ab?c?　可以且只能匹配“abc”、“abbc”、“abcc”和“abbcc”
　　.符號匹配除換行符以外的任何字符。例如：
　　　　(.)+　匹配除換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為非負整數）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為非負整數）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,}等價于a+
　　　　　　　a{0,}等價于a*
　　{m,n}匹配至少m個，至多n個前面的字符。例如：
　　　　a{1,3}　只匹配“a”、“aa”和“aaa”。
　　　　注意：a{0,1}等價于a?
　　[xyz]表示一個字符集，匹配括號中字符的其中之一。例如：
　　　　[abc]　匹配“a”、“b”和“c”
　　[^xyz]表示一個否定的字符集。匹配不在此括號中的任何字符。例如：
　　　　[^abc]　可以匹配除“a”、“b”和“c”之外的任何字符
　　[a-z]表示某個范圍內的字符，匹配指定區間內的任何字符。例如：
　　　　[a-z]　匹配從“a”到“z”之間的任何一個小寫字母字符
　　[^m-n]表示某個范圍之外的字符，匹配不在指定范圍內的字符。例如：
　　　　[m-n]　匹配除從“m”到“n”之間的任何字符
　　/符號是轉義操作符。例如：
　　　　/n　換行符
　　　　/f　分頁符
　　　　/r　回車
　　　　/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、分頁符等。等價于“[ /f/n/r/t/v]”
　　　　/S　任何非空白的字符。等價于“^/f/n/r/t/v]”
　　　　/w　任何單詞字符，包括字母和下劃線。等價于“[A-Za-z0-9_]”
　　　　/W　任何非單詞字符。等價于“[^A-Za-z0-9_]”
　　　　/b匹配單詞的結尾。例如：
　　　　　　ve/b　匹配單詞“love”等，但不匹配“very”、“even”等
　　　　/B匹配單詞的開頭。例如：
　　　　　　ve/B　匹配單詞“very”等，但不匹配“love”等
　　　　/d匹配一個數字字符，等價于[0-9]。例如：
　　　　　　abc/dxyz　匹配“abc2xyz”、“abc4xyz”等，但不匹配“abcaxyz”、“abc-xyz”等
　　　　/D匹配一個非數字字符，等價于[^0-9]。例如：
　　　　　　abc/Dxyz　匹配“abcaxyz”、“abc-xyz”等，但不匹配“abc2xyz”、“abc4xyz”等
　　　　/NUM匹配NUM個（其中NUM為一個正整數），引用回到記住的匹配。例如：
　　　　　　(.)/1　匹配兩個連續相同的字符。
　　　　/oNUM匹配n（其中n為一個小于２５６的八進制換碼值）。例如：
　　　　　　/o011　匹配制表符
　　　　/xNUM匹配NUM（其中NUM為一個小于２５６的十六進制換碼值）。例如：
　　　　　　/x41　匹配字符“A”

五、實例分析
1）在字符串中精確查找鏈接地址
((http|https|ftp):(////|////)((/w)+[.]){1,}(net|com|cn|org|cc|tv|[0-9]{1,3})(((//[/~]*|//[/~]*)
(/w)+)|[.](/w)+)*(((([?](/w)+){1}[=]*))*((/w)+){1}([/&](/w)+[/=](/w)+)*)*)
我們知道，鏈接地址一般以http或者https或者ftp等形式出現。初步總結一下就是，鏈接地址必須符合如下條件：
條件１
　以http://或者https://或者ftp://等開頭（當然還有其它形式，這里只列出主要的）
條件２
　http://后面必須跟一個單詞字符，緊接著單詞字符后面的是"."（這樣的組合必須出現一次或多次）。緊跟著“.”后面的是域名后綴（如net或者com或者cn等，如果是以IP地址的形式出現就可以是數字）
條件３
　出現完整的鏈接地址后，還可以出現下一級或者更多級的目錄（還要注意個人主頁的地址有可能出現"~"符號）
條件４
　鏈接地址末尾可以帶參數。如典型的頁數?PageNo=2&action=display等
現在我們用下面的代碼來逐個匹配上面的條件——
1、((http|https|ftp):(////|////) 滿足條件１
表示http:// http:// https:// https:// ftp:// ftp://都匹配（在這里考慮了某些用戶可能把"//"輸成“//”的易發性錯誤）
注意："|"表示“或者”，"/"是轉義字符。“////”表示"//"，“////”表示"//"
2、((/w)+[.]){1,}(net|com|cn|org|cc|tv|[0-9]{1,3}) 滿足條件２
“((/w)+[.]){1,}”表示一個單詞字符加一個點號可以出現1次或者多次（這里考慮了某些用戶喜歡省略www而將http://www.w3c.com寫成http://w3c.com）
“(net|com|cn|org|cc|tv|[0-9]{1,3})”表示必須要以net或者com或者cn或者org或者cc或者tv或者三位以下的數字結束
[0-9]{1,3}表示三位以下的數字，因為ip地址的任何段不能超過255
3、(((//[/~]*|//[/~]*)(/w)+)|[.](/w)+)* 滿足條件３
“(//[/~]*|//[/~]*)”表示可以出現"/~"或者是"/~"，（其中“[/~]*”表示 ~ 可以出現也可以不出現），因為不是每個鏈接地址都有下一級目錄
“(/w)+)|[.](/w)+)”表示必須出現一個單詞字符（即目錄或者是一個帶有擴展名的文件）
注意：最后還有一個“*”表示上面括號內的可以出現也可以不出現，否則就只能匹配有下一級目錄的鏈接地址了。
4、(((([?](/w)+){1}[=]*))*((/w)+){1}([/&](/w)+[/=](/w)+)*)*)滿足條件４
“((([?](/w)+){1}[=]*))*((/w)+){1}”表示形如"?PageNo=2"的字符串可以出現也可以不出現，如果出現則只能出現一次（因為不可能有兩個“？”號出現）。
“([/&](/w)+[/=](/w)+)*)”表示形如“&action=display”的字符串可以出現也可以不出現（因為并不是每個網頁都帶有兩個以上的參數。
整個“((([?](/w)+){1}[=]*))*((/w)+){1}([/&](/w)+[/=](/w)+)*)*”表示形如“?PageNo=2&action=display”的字符串可以出現也可以不出現（即鏈接地址可以有參數也可以沒有參數）

把上面的組合起來，我們就可以匹配一個比較全面的鏈接地址了。比用簡單的“(http://///S+)”來匹配一個鏈接地址要好，讀者可以自行行測試比較。當然，這段代碼還有很多不足之處，希望大家能夠繼續改進。
2）替代典型的UBB標簽:[/b]
我們的目的就是要把[b]成對的替換成下面來看我們實現它的模板
　　(/[b/])(.+)(/[//b/])
這里用了"(.+)"來配匹到之間的整個字符串，在替代的時候我們要寫成這樣
　　str=checkexp(re,str,"$2")
（注意：checkexp是我自定義的函數，將在后面給出。這個函數將把[/b]按照我們提供的模板進行替代。）
也許你會問這里出現一個"$2"是什么東東,呵注意了這個$2可是很重要的，它代表了"(.+)"所配匹的整個字符串。
為什么是$2而不是$1、$3呢？因為$1代表(/[b/])所匹配的"[b]"字符串，$3代表(/[//b/])所匹配的""字符串，顯然這里我們需要的是$2而不是$1$3。

六）ＵＢＢ正則表達模板實例
下面是我寫的一個ＵＢＢ函數，這個函數基本上能使你的論壇成為一個優秀的ＵＢＢ代碼論壇了。當然，通過改進后，你可以得到一個更強大的ＵＢＢ論壇。
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/]" '查找圖片地址
　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/]" '查找幀地址
　str=checkexp(re,str,"<iframe width='300' height='300' src='$1'></iframe>")
　re="([^('>)])( )*((http|https|ftp):(////|////)((/w)+[.]){1,}(net|com|cn|org|cc|tv|([0-9]{1,3}))(((//[/~]*|//[/~]*)(/w)+)|[.](/w)+)*(((([?](/w)+){1}[=]*))*((/w)+){1}([/&](/w)+[/=](/w)+)*)*)" '查找鏈接地址
　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://開頭的地址
　str=checkexp(re,str,"$1 <a href='http://$2' target=_blank>$2</a> ")
　re="([^(=)])((/w)+[@]{1}((/w)+[.]){1,3}(/w)+)" '查找郵件地址
　str=checkexp(re,str," <a href='mailto:$2'>$2</a> ")
　re="/[0-F]{6})/]((.)+)/[//color/]" '替換字體色彩
　str=checkexp(re,str,"$4")
　re="/[size=([0-9]{1})/]((.)+)/[//size/]" '替換字體大小
　str=checkexp(re,str,"$2")
　re="/((.)+)/[//font/]" '替換字體
　str=checkexp(re,str,"$3")
　re="(/[b/])(.+)(/[//b/])" '加粗字體
　str=checkexp(re,str,"$2")
　re="(/[u/])(.+)(/[//u/])" '下畫線
　str=checkexp(re,str,"$2")
　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="/[email=((/w)+[@]{1}((/w)+[.]){1,3}(/w)+)/](.+)(/[//email/])" '郵件
　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代碼如下：
[i] [/i] [u] [/u]
[url] [/url] [email=] [/email] [img] [/img]
引用:
--------------------------------------------------------------------------------

--------------------------------------------------------------------------------
[li] [/li] [font=impact] [color=Yellow]
測試代碼如下：
[img] [/img]http://cn.yahoo.com
aol.com 192.168.0.1
www.yahoo.com how are you[/b]
page2000.xiloo.com/~page2000?PageNo=2&action=del
[email protected] 大家好http://page2000.shit
http://test.comhttp://test
全部符合預想結果
七）ＡＳＰ正則表達式對像函數如下：
Function CheckExp(patrn,strng,tagstr)
　Dim regEx,Matches
　Set regEx=New RegExp'建立一個新對像
　regEx.Pattern=patrn'設置模板
　regEx.IgnoreCase=true'搜索是否區分大小寫的 true表是不區分 flase表示區分
　regEx.Global=True'搜索是否應用于整個字符串
　Matches=regEx.replace(strng,tagstr)'匹配并替代字符串
　CheckExp=Matches返回函數結果
end function

把上面的兩個函數存為一個頁面（如ubbcode.asp），這樣就組成一個完整的ＵＢＢ函數了。
在你的論壇上加上這個函數，就成了支持ＵＢＢ代碼的論壇了。只要在用時調用這個函數就行了。調用形式如
　text=ReThestr(text)

很久以前寫的文章了不知現在還實不實用
嘻~~有錯誤的話
問我我也不清楚了這么久不看都忘了
:)
倒這文章看不了了禁止笑臉轉換了還這樣
看來ubb和ubb沖突了

上一篇：用正則表達式過濾html代碼

下一篇：常用的匹配正則表達式和實例