正則表達(dá)式（Regular Expression）為字符串模式匹配提供了一種高效、方便的方法。幾乎所有高級(jí)語(yǔ)言都提供了對(duì)正則表達(dá)式的支持，或者提供了現(xiàn)成的代碼庫(kù)供調(diào)用。本文以ASP環(huán)境中常見(jiàn)的處理任務(wù)為例，介紹正則表達(dá)式的應(yīng)用技巧。

一、檢驗(yàn)密碼和郵件地址的格式

我們的第一個(gè)實(shí)例示范正則表達(dá)式的一項(xiàng)基本功能：抽象地描述任意復(fù)雜的字符串。它的意思就是，正則表達(dá)式給予程序員一種形式化的字符串描述方法，只需很少的代碼即可描述出應(yīng)用遇到的任意字符串模式。例如，對(duì)于不從事技術(shù)工作的人來(lái)說(shuō)，密碼格式的要求可以描述如下：密碼的第一個(gè)字符必須是字母，密碼最少4個(gè)字符且不超過(guò)15個(gè)字符，密碼不能包含除字母、數(shù)字和下劃線(xiàn)以外的字符。

作為程序員，我們必須把上面對(duì)密碼格式的自然語(yǔ)言描述轉(zhuǎn)換成其他形式，使得ASP頁(yè)面能夠理解并應(yīng)用它來(lái)防止非法的密碼輸入。描述這個(gè)密碼格式的正則表達(dá)式是：^[a-zA-Z]\w{3,14}$。在ASP應(yīng)用里，我們可以把密碼驗(yàn)證過(guò)程寫(xiě)成可重用的函數(shù)，如下所示：

Function TestPassword(strPassword)
Dim re
Set re = new RegExp
re.IgnoreCase = false
re.global = false
re.Pattern = "^[a-zA-Z]\w{3,14}$"
TestPassword = re.Test(strPassword)
End Function

下面我們把這個(gè)檢驗(yàn)密碼格式的正則表達(dá)式和自然語(yǔ)言描述對(duì)比著看看：
密碼的第一個(gè)字符必須是字母：正則表達(dá)式描述是“^[a-zA-Z]”，其中“^”表示字符串的開(kāi)始，連字符告訴RegExp匹配指定范圍的所有字符。
密碼最少4個(gè)字符且不超過(guò)15個(gè)字符：正則表達(dá)式描述是“{3,14}”。
密碼不能包含除字母、數(shù)字和下劃線(xiàn)以外的字符：正則表達(dá)式描述是“\w”。

幾點(diǎn)說(shuō)明：{3，14}表示前面的模式匹配至少3個(gè)、但不超過(guò)14個(gè)的字符（加上第一個(gè)字符就成了4到15個(gè)字符）。注意花括號(hào)內(nèi)的語(yǔ)法要求極其嚴(yán)格，不允許在逗號(hào)的兩邊加入空格。如果加入了空格，它將對(duì)正則表達(dá)式的含義產(chǎn)生影響，導(dǎo)致密碼格式檢驗(yàn)時(shí)產(chǎn)生錯(cuò)誤。另外，上面的正則表達(dá)式末尾也沒(méi)有加上“$”字符。$字符使得正則表達(dá)式匹配字符串直至末尾，確保合法的密碼后面沒(méi)有加上任何其他字符。

類(lèi)似于密碼格式檢驗(yàn)，檢查email地址的合法性也是一個(gè)很常見(jiàn)的問(wèn)題，用正則表達(dá)式進(jìn)行簡(jiǎn)單的email地址檢驗(yàn)可以實(shí)現(xiàn)如下：

＜%
Dim re
Set re = new RegExp
re.pattern = "^\w+@[a-zA-Z_]+?\.[a-zA-Z]{2,3}$"
Response.Write re.Test("aabb@yahoo.com")
%＞

二、提取HTML頁(yè)面的特定部分

從HTML頁(yè)面提取內(nèi)容所面臨的主要問(wèn)題是，我們必須尋找一種方法精確地識(shí)別出自己想要的那一部分內(nèi)容。例如，下面是一個(gè)顯示新聞標(biāo)題的HTML代碼片斷：

＜table border="0" width="11%" class="Somestory"＞
＜tr＞
＜td width="100%"＞
＜p align="center"＞其他內(nèi)容...＜/td＞
＜/tr＞
＜/table＞
＜table border="0" width="11%" class="Headline"＞
＜tr＞
＜td width="100%"＞
＜p align="center"＞伊拉克戰(zhàn)爭(zhēng)?。?td＞
＜/tr＞
＜/table＞
＜table border="0" width="11%" class="Someotherstory"＞
＜tr＞
＜td width="100%"＞
＜p align="center"＞其他內(nèi)容...＜/td＞
＜/tr＞
＜/table＞

觀(guān)察上述代碼，很容易看出新聞標(biāo)題由位于中間的表格顯示，它的class屬性設(shè)置為Headline。如果HTML頁(yè)面非常復(fù)雜，使用Microsoft IE從5.0開(kāi)始提供的一項(xiàng)附加功能可以只查看被選中部分頁(yè)面的HTML代碼，請(qǐng)?jiān)L問(wèn)http://www.microsoft.com/Windows/ie/WebAccess/default.ASP了解詳情。對(duì)于本例，我們假定這是唯一class屬性設(shè)置為Headline的表格?，F(xiàn)在我們要?jiǎng)?chuàng)建正則表達(dá)式，通過(guò)正則表達(dá)式找到這個(gè)Headline表格并把這個(gè)表格包含到自己的頁(yè)面中。首先是編寫(xiě)支持正則表達(dá)式的代碼：

＜%
Dim re, strHTML
Set re = new RegExp ' 創(chuàng)建正則表達(dá)式對(duì)象
re.IgnoreCase = true
re.Global = false ' 第一次匹配之后結(jié)束查找
%＞

下面考慮一下我們要提取的區(qū)域：在這里，我們要提取的是整個(gè)＜table＞結(jié)構(gòu)，包括結(jié)束標(biāo)記和新聞標(biāo)題的文本。因此查找的起始字符應(yīng)該是＜table＞開(kāi)始標(biāo)記： re.Pattern = "＜table.*(?=Headline)"。

這個(gè)正則表達(dá)式匹配表格的開(kāi)始標(biāo)記，能夠返回開(kāi)始標(biāo)記直至“Headline”之間的所有內(nèi)容（換行除外）。下面是返回已匹配HTML代碼的方法：

' 把所有匹配的HTML代碼放入Matches集合
Set Matches = re.Execute(strHTML)
' 顯示所有匹配的HTML代碼
For Each Item in Matches
Response.Write Item.Value
Next
' 顯示其中一項(xiàng)
Response.write Matches.Item(0).Value

運(yùn)行這段代碼處理前面顯示的HTML片斷，正則表達(dá)式返回一次匹配的內(nèi)容如下： ＜table border="0" width="11%" class="。正則表達(dá)式中的“(?=Headline)”沒(méi)有獲取字符，所以不能看到表格class屬性的值。

要獲取表格剩余部分的代碼也相當(dāng)簡(jiǎn)單： re.Pattern = "＜table.*(?=Headline)(.|\n)*?＜/table＞"。其中：“(.|\n)”后面的“*”匹配0個(gè)到多個(gè)任意字符；而“？”使得“*”匹配范圍最小化，即在找到表達(dá)式的下一部分之前匹配盡可能少的字符。＜/table＞是表格的結(jié)束標(biāo)記。

“?”限制符非常重要，它防止了表達(dá)式返回其他表格的代碼。例如對(duì)于前面給出的HTML代碼片斷，如果刪除這個(gè)“?”則返回內(nèi)容將是：

＜table border="0" width="11%" class="Headline"＞
＜tr＞
＜td width="100%"＞
＜p align="center"＞伊拉克戰(zhàn)爭(zhēng)！＜/td＞
＜/tr＞
＜/table＞
＜table border="0" width="11%" class="Someotherstory"＞
＜tr＞
＜td width="100%"＞
＜p align="center"＞其他內(nèi)容...＜/td＞
＜/tr＞
＜/table＞

返回的內(nèi)容不僅包含了Headline表的＜table＞標(biāo)記，而且還包含了Someotherstory表格，由此可以看出，這里的“?”是必不可少的。

本例假設(shè)了一些相當(dāng)理想化的前提。實(shí)際應(yīng)用中情況往往要復(fù)雜得多，特別是你對(duì)正在使用的源HTML代碼的編寫(xiě)沒(méi)有任何影響力時(shí)，編寫(xiě)ASP代碼尤為困難。最有效的方法是，多花些時(shí)間分析待提取內(nèi)容附近的HTML，經(jīng)常地測(cè)試，確保提取出來(lái)的內(nèi)容正是自己所需要的。

另外，應(yīng)當(dāng)重視并處理正則表達(dá)式不能匹配源HTML頁(yè)面任何內(nèi)容的情形。內(nèi)容的更新可能非?？焖?，不要只因?yàn)閯e人改變了內(nèi)容的格式而讓自己的頁(yè)面出現(xiàn)低級(jí)可笑的錯(cuò)誤。

三、解析文本數(shù)據(jù)文件
數(shù)據(jù)文件的格式和種類(lèi)很多，XML文檔、結(jié)構(gòu)化文本甚至非結(jié)構(gòu)化文本都經(jīng)常成為ASP應(yīng)用的數(shù)據(jù)源。下面我們要看的一個(gè)例子是使用限定符的結(jié)構(gòu)化文本文件。限定符（比如引號(hào)）表示字符串各個(gè)部分不可分割，即使字符串內(nèi)部包含把記錄分隔成字段的分隔符也一樣。 下面是一個(gè)簡(jiǎn)單的結(jié)構(gòu)化文本文件：

姓,名, 電話(huà), 說(shuō)明
孫,悟空, 312 555 5656, ASP很好
豬,八戒, 847 555 5656, 我是電影制片人

姓,名, 電話(huà), 說(shuō)明
孫,悟空, 312 555 5656, 我喜歡ASP,還有VB和SQL
豬,八戒, 847 555 5656, 我是電影制片人

姓,名, 電話(huà), 說(shuō)明
孫,悟空, 312 555 5656, '我喜歡ASP,還有VB和SQL'
豬,八戒, 847 555 5656, '我是電影制片人'

現(xiàn)在我們能夠肯定哪一個(gè)逗號(hào)是分隔符、哪一個(gè)逗號(hào)是字段內(nèi)容了，即只需把引號(hào)內(nèi)部出現(xiàn)的逗號(hào)視為字段的內(nèi)容。接下來(lái)我們要做的就是實(shí)現(xiàn)一個(gè)正則表達(dá)式解析器，由這個(gè)解析器確定何時(shí)根據(jù)逗號(hào)分割字段、何時(shí)把逗號(hào)視為字段內(nèi)容。

這里的問(wèn)題與大多數(shù)正則表達(dá)式所面臨的略有不同。通常我們查看的是文本的一小部分，看看它是否能夠和正則表達(dá)式匹配。但在這里，只有考慮了整行文本之后我們才能可靠地判斷出哪些內(nèi)容位于引號(hào)之內(nèi)。

下面是一個(gè)說(shuō)明該問(wèn)題的例子。從某個(gè)文本文件隨意抽取半行內(nèi)容，得到：1, 沙灘, 黑色, 21, ', 狗, 貓, 鴨子, ', 。在這個(gè)例子中，因?yàn)椤?”的左邊還有其他數(shù)據(jù)，要解析清楚它的內(nèi)容是極其困難的。我們不知道這個(gè)數(shù)據(jù)片斷的前面有多少單引號(hào)，從而也就無(wú)法判斷哪些字符位于引號(hào)之內(nèi)（在引號(hào)之內(nèi)的文本解析時(shí)不能分割）。如果這個(gè)數(shù)據(jù)片斷之前有偶數(shù)個(gè)（或者沒(méi)有）單引號(hào)，那么“', 狗, 貓, 鴨子, '”是用引號(hào)界定的字符串且不可分割。如果前面的引號(hào)數(shù)量是奇數(shù)，那么“1, 沙灘, 黑色, 21, '”是某個(gè)字符串的結(jié)束部分且不可分割。

因此，正則表達(dá)式必須分析整行文本，全面考慮出現(xiàn)了多少引號(hào)才能確定字符是處在引號(hào)對(duì)的內(nèi)部還是外部，即：,(?=([^']*'[^']*')*(?![^']*'))。這個(gè)正則表達(dá)式首先找到一個(gè)引號(hào)，然后繼續(xù)查找并保證逗號(hào)后面的單引號(hào)數(shù)量或者是偶數(shù)、或者是0。該正則表達(dá)式以下面這個(gè)判斷為基礎(chǔ)：如果逗號(hào)后面的單引號(hào)數(shù)量是偶數(shù)，那么這個(gè)逗號(hào)位于字符串之外。下表給出了更詳細(xì)的說(shuō)明：

Function SplitAdv(strInput)
Dim objRE
Set objRE = new RegExp
' 設(shè)置RegExp對(duì)象
objRE.IgnoreCase = true
objRE.Global = true
objRE.Pattern = ",(?=([^']*'[^']*')*(?![^']*'))"
' Replace方法用chr(8)替換我們要用到的逗號(hào)，chr(8)即\b
' 字符，\b在字符串中出現(xiàn)的可能極為微小。
' 然后我們根據(jù)\b把字符串分割保存到數(shù)組
SplitAdv = Split(objRE.Replace(strInput, "\b"), "\b")
End Function

總而言之，用正則表達(dá)式解析文本數(shù)據(jù)文件具有高效、縮短開(kāi)發(fā)時(shí)間的優(yōu)點(diǎn)，能夠節(jié)省大量分析文件、根據(jù)復(fù)雜的條件提取有用數(shù)據(jù)的時(shí)間。在一個(gè)迅速發(fā)展的環(huán)境中仍會(huì)有許多傳統(tǒng)的數(shù)據(jù)可資利用，掌握如何構(gòu)造高效的數(shù)據(jù)分析例程將是一種寶貴的技能。

四、字符串替換

在最后一個(gè)例子中我們要看看VBScript正則表達(dá)式的替換功能。ASP經(jīng)常用于動(dòng)態(tài)地格式化從各種數(shù)據(jù)源獲得的文本。利用VBScript正則表達(dá)式的強(qiáng)大功能，ASP能夠動(dòng)態(tài)地改變匹配的復(fù)雜文本。通過(guò)加入HTML標(biāo)記突出顯示部分單詞就是一種常見(jiàn)的應(yīng)用，比如突出顯示搜索結(jié)果中的搜索關(guān)鍵詞。
為說(shuō)明實(shí)現(xiàn)方法，下面我們來(lái)看一個(gè)突出顯示字符串中所有“.NET”的例子。這個(gè)字符串可以從任何地方獲得，比如數(shù)據(jù)庫(kù)或者其他Web網(wǎng)站。

＜%
Set regEx = New RegExp
regEx.Global = true
regEx.IgnoreCase = True
' 正則表達(dá)式模式，
' 尋找任何結(jié)尾為“.NET”的單詞或者URL。
regEx.Pattern = "(\b[a-zA-Z\._]+?\.NET\b)"
' 用于測(cè)試替換功能的字符串
strText = "微軟建立了一個(gè)新網(wǎng)站www.ASP.NET。"
' 調(diào)用正則表達(dá)式的Replace方法
' $1表示把匹配的文本插入當(dāng)前位置
Response.Write regEx.Replace(strText, _
"＜b style='color: #000099; font-size: 18pt'＞$1＜/b＞")
%＞

這個(gè)例子中有幾個(gè)重要的地方必須注意。整個(gè)正則表達(dá)式被放入了一對(duì)圓括號(hào)中，它的作用是截取所有匹配的內(nèi)容供以后使用，這些內(nèi)容在替換文本中通過(guò)$1引用。類(lèi)似的截取每次替換可以使用多達(dá)9個(gè)，分別通過(guò)$1到$9引用。正則表達(dá)式的Replace方法和VBScript本身的Replace函數(shù)不同，它只需要兩個(gè)參數(shù)：被搜索的文本，替換用的文本。
在這個(gè)例子中，為了突出顯示搜索到的“.NET”字符串，我們用粗體標(biāo)記以及其他樣式屬性來(lái)包圍這些字符串。使用這種搜索和替換技術(shù)，我們能夠方便地為網(wǎng)站搜索程序加上突出顯示搜索關(guān)鍵詞的功能，或者自動(dòng)為頁(yè)面中出現(xiàn)的關(guān)鍵詞加上指向其他頁(yè)面的鏈接。

結(jié)束語(yǔ)

希望本文介紹的幾種正則表達(dá)式技巧對(duì)你在何時(shí)、如何應(yīng)用正則表達(dá)式有所啟發(fā)。雖然本文的例子用VBScript編寫(xiě)，但在ASP.NET中正則表達(dá)式同樣也大有用武之地，它是服務(wù)器端控件表單檢驗(yàn)的主要機(jī)制之一，而且通過(guò)System.Text.RegularExpressions命名空間導(dǎo)出到了整個(gè).NET框架之中。(

最新評(píng)論