|
|
正则表达式在UBB论坛中的应用
一、UBB代码的概念
什么是UBB代码？
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。
二、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})(((/[~]*|\[~]*) 数据挖掘研究院
(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） 数据挖掘论坛
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）。 数据挖掘实验室
"([&](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＜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。 数据挖掘论坛
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。
|
