正则表达式在网络编程中的运用（4）

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})(((\/[\~]*|\\[\~]*)

　　(\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

　　　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:\\ 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而将写成）

　　"(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＜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。