正则表达式在UBB论坛中的应用

【 tulaoshi.com - Web开发 】

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bhow are you/b

　　你也许会问：ＡＳＰ是怎样把 how are you转换为bhow 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[ fnrtv]
　　　　S　任何非空白的字符。等价于^fnrtv]
　　　　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：
　　　　　　veb　匹配单词love等，但不匹配very、even等

　　　　B匹配单词的开头。例如：
　　　　　　veB　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：
　　　　　　abcdxyz　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：
　　　　　　abcDxyz　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="nrn/"
　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="[size=([0-9]{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$2HR SIZE=1/BLOCKQUOTE")

　re="[email=((w)+[@]{1}((w)+[.]){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：
[i] [/i] [u] [/u]
[url] [/url] [email=] [/email] [img] [/img]
引用:
--------------------------------------------------------------------------------

--------------------------------------------------------------------------------

[li] [/li] [font=impact] [color=Yellow]

测试代码如下：
[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
lucaihui@cmmail.com 大家好http:page2000.shit
font color=redhttp://test.com/fonthttp://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)

很久以前写的文章了不知现在还实不实用
嘻~~有错误的话
问我我也不清楚了这么久不看都忘了
:)

倒这文章看不了了禁止笑脸转换了还这样

看来ubb和ubb冲突了