BUG,TW的REGEX过滤有BUG

BUG, REGEX

我是在做过滤时发现的.我的TW是2215,深度XPSP2v5.10+IE7.0英文版.主要是对163新闻相关页面做过滤,规则如下.

#exd#*.163.com*#<div.*ad(_200|Text|_289|RPic|Rtext|_ad_[\d]{2}).*?>[\s\S]*?</div>###
#exd#*.163.com*#<(div).*"(?:ad360|leftad|div_pic1|Ad)"[^>]*>(?:<\1[^>]*>(?:<\1[^>]*>(?:<\1[^>]*>(?:<\1[^>]*>[\s\S]*?</\1>|[\s\S])*?</\1>|[\s\S])*?</\1>|[\s\S])*?</\1>|[\s\S])*?</\1>###
#exd#*.163.com*#<script.*(zl_|BidAdsCode).*?</script>###
#exd#*.163.com*#<(embed|iframe)[\s\S].*netease[\s\S]*?</\1>###

复制代码

除了有种页面外其他都正常,我找了半天原因也找不出来.应该是TW的原因吧.而且过滤有问题部分的代码拷出来和正常过滤页面那部分的代码做对比,两者是完全一样的.就是同样的代码在不同域名下的效果不一样.
如:
http://auto.163.com/08/0827/10/4KBLTBR0000827U2.html
http://news.163.com/08/0828/04/4KDGH8JH0001124J.html
效果如: 截图.png

除了下面类型的,下面的是异常的:
http://war.news.163.com/08/0827/09/4KBFAS8I00011MTO_2.html
http://war.news.163.com/08/0827/09/4KBFAS8I00011MTO_2.html
简单来说就是以war.news.163.com开头的过滤有异常.同一个页面,不停的刷新,可以会刷出下面三种过滤后的情况,也有可能刷出正常过滤的情况.

截图2.png

[ 本帖最后由 shieep 于 2008-8-28 09:40 编辑 ]

elkay

论坛元老

Rank: 12

UID: 1110
帖子: 2787
精华: 3
贡献: 20
推广: 0
有效BUG: 0
注册时间: 2005-5-26

10^#

发表于 2008-8-28 14:53 | 只看该作者

没有出现类似问题

regexbuddy跟tw的正则是不一样的

TOP

Aycox

版主

Rank: 16

UID: 5053
帖子: 6105
精华: 13
贡献: 33
推广: 0
有效BUG: 0
注册时间: 2005-11-24

9^#

发表于 2008-8-28 14:51 | 只看该作者

规则有问题。你用下面这段源码测试下结果就明白了：
<div id="good"><div id="adtext">
<div id="good"></div></div></div>

你规则都是<div.*这样开头，所以只要源码的某一行中，含有<div和ad*字符，不管是个<div均会从第一个出现的<div处开始匹配。
同时，除了第二条规则之外，其它规则都无法处理嵌套。这样的结果是过滤后的标记不能配对，产生问题在所难免。

[ 本帖最后由 Aycox 于 2008-8-28 15:01 编辑 ]

TOP

shieep