正则表达式在UBB论坛中的应用

来源:互联网 时间:1970-01-01


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://img.anywalks.com:88/imgview/s/1/Uploads/article_remote01/2015/10/25/6ab90e0f8c64b19f42dcdadff761bba3.jpg//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<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,"&gt;")

re="/<"
str=checkexp(re,str,"&lt;")

re="/n/r/n/"
str=checkexp(re,str,"<P>")

re=chr(32)
str=checkexp(re,str,"&nbsp;")

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="/[color=(((/w)+)|[#][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>$2<HR 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:
[center] [/center] [url] [/url] [email=] [/email] QUOTE:%20[li]%20[/li]%20%20%20%20%20%20%20%20%20测试代码如下:%20 http://cn.yahoo.com
http://aol.com http://192.168.0.1
http://www.yahoo.com how are you
http://page2000.xiloo.com/~page2000?PageNo=2&action=del
[email protected] 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)


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

哈~~~~~



相关阅读:
Top