正则表达式在网络编程中的运用

来源:互联网 发布:社交网络大数据 编辑:程序博客网 时间:2024/04/30 03:10
正则表达式在网络编程中的运用

 

  [前言:]在我们编写WEB程序时,经常会判断一个字符串的有效性,如;一个串是否是数字、是否是有效的Email地址等等。如果不使用

正则表达式,那么判断的程序会很长,并且容易出错,如果使用正则表达式,这些判断就是一件很轻松的工作了。本文全面介绍正则表达式的

慨念、格式。并以在PHP、ASP中的应用实例增加读者的感性认识。正则表达式的应用很广,需要大家在学习和实践中不断的总结。
  正则表达式简介 

  简单的说,正则表达式是一种可以用于模式匹配和替换的强有力的工具。在网络编程中应用广泛,如PHP脚本语言或是JavaScript、VBScri

pt这样的客户端脚本语言都提供了对正则表达式的支持。由此可见,正则表达式已经超出了某种语言或某个系统的局限,成为人们广为接受的

概念和功能。 

  正则表达式可以让用户通过使用一系列的特殊字符构建匹配模式,然后把匹配模式与数据文件、程序输入以及WEB页面的表单输入等目标对

象进行比较,根据比较对象中是否包含匹配模式,执行相应的程序。 

  举例来说,正则表达式的一个最为普遍的应用就是用于验证用户在线输入的邮件地址的格式是否正确,如果通过正则表达式验证用户邮件

地址的格式正确,用户所填写的表单信息将会被正常处理;反之,如果用户输入的邮件地址与正则表达的模式不匹配,将会弹出提示信息,要

求用户重新输入正确的邮件地址。由此可见正则表达式在WEB应用的逻辑判断中具有举足轻重的作用。在后面我们会举例详细介绍。 

  正则表达式形式一般如:/love/,其中位于"/"定界符之间的部分就是将要在目标对象中进行匹配的模式。用户只要把希望查找匹配对象的

模式内容放入"/"定界符之间即可。为了能够使用户更加灵活的定制模式内容,正则表达式提供了专门的"元字符"。所谓元字符就是指那些在正

则表达式中具有特殊意义的专用字符,可以用来规定其前导字符(即位于元字符前面的字符)在目标对象中的出现模式。较为常用的元字符包

括:  "+,"*,?以及{}",或者"/s,/S,/d,/w和/W"等等。为了能够方便用户更加灵活的设定匹配模式,正则表达式允许使用者在匹配模式中利

用[]界定匹配于某一个范围的字符而不局限于具体的字符。 

  除了我们以上的元字符之外,正则表达式中还具有另外一种较为独特的专用字符,即定位符。定位符用于规定匹配模式在目标对象中的出

现位置。较为常用的定位符包括:  "^",  "$",  "/b"  以及  "/B"。 

  如果我们希望在正则表达式中实现类似编程逻辑中的"或"运算,在多个不同的模式中任选一个进行匹配的话,可以使用管道符  "|"。例如

: 

  正则表达式中还有一个较为常用的运算符,即否定符  "[^]"。与我们前文所提到的定位符  "^"  不同,否定符  "[^]"规定目标对象中不能存

在模式中所规定的字符串。一般来说,当"^"出现在  "[]"内时就被视做否定运算符;而当"^"位于"[]"之外,或没有"[]"时,则应当被视做定位

符。 

  最后,当用户需要在正则表达式的模式中加入元字符,并查找其匹配对象时,可以使用转义符"/"。例如:/Th/*/,该正则表达式将会与目

标对象中的"Th*"而非"The"等相匹配。

  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"
 
  应用实例 

  在对正则表达式有了较为全面的了解之后,就可以在Perl,PHP,以及ASP等程式中使用正则表达式了。

  下面以PHP语言为例,使用验证用户在线输入的邮件地址以及网址的格式是否正确。PHP  提供了eregi()或ereg()资料处理函数实现字串比

对剖析的模式匹配操作ereg()函数的使用格式如下: 

        ereg  (pattern,  string) 

  其中,pattern代表正则表达式的模式;而string则是执行查找替换操作的目标对象,如Email地址值。本函式以  pattern  的规则来剖析比

对字串  string,找到则传回值为  true。函式ereg()与eregi()的区别就是前者区分大小写,后者与大小写无关。使用PHP编写的程序代码如下

: 

      <?php 
    if  (ereg("^([a-z0-9_-])+@([a-zZ0-9_-])+(/.[a-z0-9_-])+[a-z]{2,3}$",$email)) 
   {  echo  "您的  E-Mail  通过初步检查!";} 
    else 
   {  echo  "不是合法的E-Mail  地址,请重新输入!";} 
    ?> 


  这个例子是可对使用者输入的  E-Mail  作简单的检查,检查使用者的  E-Mail  字串是否有  @  字元,在  @  字元前有小写英文字母、数字或

下"_",在  @  之后有数节字串,最后的小数点后只能有二个或三个小写英文字母。如webmaster@mail.sever.net,  hello_2001@88new.cn就可以

通过检查,而New99@253.com(出现大写字母)和new99@253.comn(最后的小数点后只能超过3个英文字母)就不能通过检查。 

  我们通过调用自定义正规则判别函式也可以进行检查操作,如下面的网址检验函式: 

function  VerifyWebSiteAddr  ($strWebSiteAddr){ 
return  (eregi  ("^([_0-9a-z-]+.)+([0-9a-z-]+.)+[a-z]{2,3}$",  $strWebSiteAddr)); 


  我们知道,PHP程式的运行必须有服务器支持,如果您在自己的主页上想实现以上功能, 

嵌入式脚本语言Javascript或许是好的选择。JavaScript中带有一个功能强大的RegExp()对象,可以用来进行正则表达式的匹配操作。其中的t

est()方法可以检验目标对象中是否包含匹配模式,并相应的返回true或false。只须在HTML文档的<head>区域添加一段Javascript代码。 

<  language="Javascript1.2"> 
  function  verifyAddress(obj){ 
   var  email  =  obj.email.value; 
   var  pattern  =  /^([a-zA-Z0-9_-])+@([a-zA-Z0-9_-])+(/.[a-zA-Z0-9_-])+/; 
   flag  =  pattern.test(email); 
   if(flag){ 
    alert("您的  E-Mail  通过初步检查!"); 
    return  true;} 
   else{ 
    alert("不是合法的E-Mail  地址,请重新输入!"); 
    return  false;} 
  } 
 </script> 


  然后在网页中输入信息的表单域<form>标签区域内中加入一行如下代码: 

   <onSubmit="return  verifyAddress(this);"> 

  当按下提交按钮后,首先运行verifyAddress()函式,进行匹配识别,如果满足条件则发送表单信息到目标页面,否则返回错误信息。 

  事实上,正则表达式的功能远非本文提到的这一点,下次,给大家介绍一种使用正则表达式从任意指定网页中析取任意种类文本信息(如

网页中所有的图片文件名)的技巧。  


  Html源文件中image标签的析取 

  上篇,我们介绍了正则表达式的概念及其在网络编程中使用正则表达式验证用户在线输入的邮件地址以及网址的格式是否正确的应用实例

,今天介绍一种从指定网页源文件中析取image标签的的编程技巧,即从网页源文件中,解析出所有的插图文件名(包括图片路径),也就是标

签<img  src=".../.../abc.jpg">  中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境:PHP+Apache  for  Win98。 

  首先, 

用文本编辑器新建一个PHP类型的文件:abstractSRCfrompage.php3。为了方便讲解,我们打算是在浏览器表单域中输入需要析取image标签的

网页的URL(或本机文档),提交后执行析取操作,所以在该文件中,我们要建立一个用于输入网址的表单,举例如下: 


<form  action="  abstractSRCfrompage.php3"  method="post">
  输入网址<input  type=text  name=filename><br>
  <input  type=submit  name=submit  value="提交">
</form> 


  输入正确的网址,提交后表单信息被送到abstractSRCfrompage.php3页面,由于表单本身就在该页面,所以相当于被送到自身页面,下面

我们需要编写析取处理的PHP代码,紧接着表单代码段后写入如下代码:


<?php
if  ($filename!=""){
$fp  =  fopen($filename,  "r");  file://若输入不为空,开启本地或者远程档案;
while  ($buffer  =  fgets($fp,  1024))  {
$source  .=$buffer;  }
fclose($fp);
file://查找$source中是否有<img  ...src=".../...gif  |  jpg">  这样的标记
if(eregi("(<img)+[^<>]+(src=/")+[^/*/"<>|]+(/.)+((gif)|(jpg))+(/")",$source))  {
echo  "找到图片标签:)<br>";}
else{
echo  "未发现图片标签:(<br>";}
file://拆分,第一次用标签,<img  ...src=拆分,得到了以图形文件名开头的数组,
$splitres=split("((/">)|())+(<img)+[^<>]+(src=/")",$source);
echo  "找到:  $imagenums-1个图片<br>分别为:<br>";
for($i=1;$i<sizeof($splitres);$i++){
file://二次拆分,用"拆分。因为文件名能含有",得到的拆分数组的第一个元素就是路径+文件名了;
unset($imgname);  //  再次使用前删除imgname变量;
$imgname=spliti("/"",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
echo  "$i=>".$imgname[0]."<br>";  file://输出析取的图片信息
}
}
?>


  该段程序的设计思路是:PHP程式判断是否输入了档案名称(网址URL或本机档案名),若不为空则以只读方式打开该档案;接着使用函式fge

ts(fp,length)取得档案指标fp所指的行并传回该行内长度为length-1  的字串,上例中就是1024-1=1023;然后利用字串比对剖析函式ereg()查

找$source中是否含有<img  ...src=".../...gif  |  jpg"> 

这样的标记(关于该函式在上篇中有详细的介绍);假如找到的话,则利用split()函式按一定的规则执行两次拆分,去掉标记中的<img…src

=字符和"字符,结果得到数组splitres,其中的每一个元素都是以图形路径+文件名开头的数组;用for循环在屏幕上输出每个数组的第一个元

素值,即我们所需要的所有图形路径+文件名。

  其中函式sizeof($splitres)返回个数;在for循环中,依次将数组splitres的每个元素(也是数组)赋给数组变量imgname,并输出imgnam

e的第一个元素值(为找到的一个图形路径+文件名),当执行下次循环时,删除变量imgname,达到重复使用的目的。大家可以仔细研究其中的

奥妙。

  好了,写好后,将abstractSRCfrompage.php3存到你的服务器指定目录下,启动Apache服务器,在浏览器中打开它,随便输入一个存在的

网页名称或是远程URL,看看效果如何。

  如果有兴趣,你可以尝试析取HTML文档中的任意感兴趣的信息,如果稍加改装,做一个网站文本搜索引擎岂不更妙?


  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:

  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。


  三、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U

BB论坛。

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,"<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="/[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=((.)+){1,3}/]((.)+)/[//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]  [email=]  [/email] 
原创粉丝点击