Nginx的正則表達式

Nginx (engine x) 是一個高性能的HTTP和反向代理服務，也是一個IMAP/POP3/SMTP服務。Nginx是由伊戈爾·賽索耶夫爲俄羅斯訪問量第二的Rambler.ru站點（俄文：Рамблер）開發的，第一個公開版本0.1.0發佈於2004年10月4日。

其將源代碼以類BSD許可證的形式發佈，因它的穩定性、豐富的功能集、示例配置文件和低系統資源的消耗而聞名。2011年6月1日，nginx 1.0.4發佈。

Nginx是一款輕量級的Web 服務器/反向代理服務器及電子郵件（IMAP/POP3）代理服務器，並在一個BSD-like 協議下發行。其特色是佔有內存少，併發能力強，事實上nginx的併發能力確實在同類型的網頁服務器中表現較好，中國大陸使用nginx網站用戶有：百度、京東、新浪、網易、騰訊、淘寶等。

而咱們今天來聊一聊他的正則表達式的使用規則,我會簡單的舉幾個例子而後進行說明講解。

 

  什麼是正則表達式

正則表達式，又稱規則表達式。（英語：Regular Expression，在代碼中常簡寫爲regex、regexp或RE），計算機科學的一個概念。正則表達式一般被用來檢索、替換那些符合某個模式(規則)的文本。

許多程序設計語言都支持利用正則表達式進行字符串操做。例如，在Perl中就內建了一個功能強大的正則表達式引擎。正則表達式這個概念最初是由Unix中的工具軟件（例如sed和grep）普及開的。正則表達式一般縮寫成「regex」，單數有regexp、regex，複數有regexps、regexes、regexen。

正則表達式由一些普通字符和一些元字符（metacharacters）組成。普通字符包括大小寫的字母和數字，而元字符則具備特殊的含義，咱們下面會給予解釋。

在最簡單的狀況下，一個正則表達式看上去就是一個普通的查找串。例如，正則表達式"testing"中沒有包含任何元字符，它能夠匹配"testing"和"testing123"等字符串，可是不能匹配"Testing"。

要想真正的用好正則表達式，正確的理解元字符是最重要的事情。下表列出了全部的元字符和對它們的一個簡短的描述。

元字符	描述
\	將下一個字符標記符、或一個向後引用、或一個八進制轉義符。例如，「\\n」匹配\n。「\n」匹配換行符。序列「\\」匹配「\」而「\(」則匹配「(」。即至關於多種編程語言中都有的「轉義字符」的概念。
^	匹配輸入字行首。若是設置了RegExp對象的Multiline屬性，^也匹配「\n」或「\r」以後的位置。
$	匹配輸入行尾。若是設置了RegExp對象的Multiline屬性，$也匹配「\n」或「\r」以前的位置。
*	匹配前面的子表達式任意次。例如，zo*能匹配「z」，也能匹配「zo」以及「zoo」。*等價於{0,}。
+	匹配前面的子表達式一次或屢次(大於等於1次）。例如，「zo+」能匹配「zo」以及「zoo」，但不能匹配「z」。+等價於{1,}。
?	匹配前面的子表達式零次或一次。例如，「do(es)?」能夠匹配「do」或「does」。?等價於{0,1}。
{n}	n是一個非負整數。匹配肯定的n次。例如，「o{2}」不能匹配「Bob」中的「o」，可是能匹配「food」中的兩個o。
{n,}	n是一個非負整數。至少匹配n次。例如，「o{2,}」不能匹配「Bob」中的「o」，但能匹配「foooood」中的全部o。「o{1,}」等價於「o+」。「o{0,}」則等價於「o*」。
{n,m}	m和n均爲非負整數，其中n<=m。最少匹配n次且最多匹配m次。例如，「o{1,3}」將匹配「fooooood」中的前三個o爲一組，後三個o爲一組。「o{0,1}」等價於「o?」。請注意在逗號和兩個數之間不能有空格。
?	當該字符緊跟在任何一個其餘限制符（*,+,?，{n}，{n,}，{n,m}）後面時，匹配模式是非貪婪的。非貪婪模式儘量少地匹配所搜索的字符串，而默認的貪婪模式則儘量多地匹配所搜索的字符串。例如，對於字符串「oooo」，「o+」將盡量多地匹配「o」，獲得結果[「oooo」]，而「o+?」將盡量少地匹配「o」，獲得結果 ['o', 'o', 'o', 'o']
.點	匹配除「\n」和"\r"以外的任何單個字符。要匹配包括「\n」和"\r"在內的任何字符，請使用像「[\s\S]」的模式。
(pattern)	匹配pattern並獲取這一匹配。所獲取的匹配能夠從產生的Matches集合獲得，在VBScript中使用SubMatches集合，在JScript中則使用$0…$9屬性。要匹配圓括號字符，請使用「\(」或「\)」。
(?:pattern)	非獲取匹配，匹配pattern但不獲取匹配結果，不進行存儲供之後使用。這在使用或字符「(|)」來組合一個模式的各個部分時頗有用。例如「industr(?:y|ies)」就是一個比「industry|industries」更簡略的表達式。
(?=pattern)	非獲取匹配，正向確定預查，在任何匹配pattern的字符串開始處匹配查找字符串，該匹配不須要獲取供之後使用。例如，「Windows(?=95|98|NT|2000)」能匹配「Windows2000」中的「Windows」，但不能匹配「Windows3.1」中的「Windows」。預查不消耗字符，也就是說，在一個匹配發生後，在最後一次匹配以後當即開始下一次匹配的搜索，而不是從包含預查的字符以後開始。
(?!pattern)	非獲取匹配，正向否認預查，在任何不匹配pattern的字符串開始處匹配查找字符串，該匹配不須要獲取供之後使用。例如「Windows(?!95|98|NT|2000)」能匹配「Windows3.1」中的「Windows」，但不能匹配「Windows2000」中的「Windows」。
(?<=pattern)	非獲取匹配，反向確定預查，與正向確定預查相似，只是方向相反。例如，「(?<=95|98|NT|2000)Windows」能匹配「2000Windows」中的「Windows」，但不能匹配「3.1Windows」中的「Windows」。 「(?<=95|98|NT|2000)Windows」目前在python3.6中re模塊測試會報錯，用「|」鏈接的字符串長度必須同樣，這裏「95|98|NT」的長度都是2，「2000」的長度是4，會報錯。
(?<!patte_n)	非獲取匹配，反向否認預查，與正向否認預查相似，只是方向相反。例如「(?<!95|98|NT|2000)Windows」能匹配「3.1Windows」中的「Windows」，但不能匹配「2000Windows」中的「Windows」。這個地方不正確，有問題 此處用或任意一項都不能超過2位，如「(?<!95|98|NT|20)Windows正確，「(?<!95|980|NT|20)Windows 報錯，如果單獨使用則無限制，如(?<!2000)Windows 正確匹配。 同上，這裏在python3.6中re模塊中字符串長度要一致，並非必定爲2，好比「(?<!1995|1998|NTNT|2000)Windows」也是能夠的。
x|y	匹配x或y。例如，「z|food」能匹配「z」或「food」(此處請謹慎)。「[zf]ood」則匹配「zood」或「food」。
[xyz]	字符集合。匹配所包含的任意一個字符。例如，「[abc]」能夠匹配「plain」中的「a」。
[^xyz]	負值字符集合。匹配未包含的任意字符。例如，「[^abc]」能夠匹配「plain」中的「plin」任一字符。
[a-z]	字符範圍。匹配指定範圍內的任意字符。例如，「[a-z]」能夠匹配「a」到「z」範圍內的任意小寫字母字符。 注意:只有連字符在字符組內部時,而且出如今兩個字符之間時,才能表示字符的範圍; 若是出字符組的開頭,則只能表示連字符自己.
[^a-z]	負值字符範圍。匹配任何不在指定範圍內的任意字符。例如，「[^a-z]」能夠匹配任何不在「a」到「z」範圍內的任意字符。
\b	匹配一個單詞的邊界，也就是指單詞和空格間的位置（即正則表達式的「匹配」有兩種概念，一種是匹配字符，一種是匹配位置，這裏的\b就是匹配位置的）。例如，「er\b」能夠匹配「never」中的「er」，但不能匹配「verb」中的「er」；「\b1_」能夠匹配「1_23」中的「1_」，但不能匹配「21_3」中的「1_」。
\B	匹配非單詞邊界。「er\B」能匹配「verb」中的「er」，但不能匹配「never」中的「er」。
\cx	匹配由x指明的控制字符。例如，\cM匹配一個Control-M或回車符。x的值必須爲A-Z或a-z之一。不然，將c視爲一個原義的「c」字符。
\d	匹配一個數字字符。等價於[0-9]。grep 要加上-P，perl正則支持
\D	匹配一個非數字字符。等價於[^0-9]。grep要加上-P，perl正則支持
\f	匹配一個換頁符。等價於\x0c和\cL。
\n	匹配一個換行符。等價於\x0a和\cJ。
\r	匹配一個回車符。等價於\x0d和\cM。
\s	匹配任何不可見字符，包括空格、製表符、換頁符等等。等價於[ \f\n\r\t\v]。
\S	匹配任何可見字符。等價於[^ \f\n\r\t\v]。
\t	匹配一個製表符。等價於\x09和\cI。
\v	匹配一個垂直製表符。等價於\x0b和\cK。
\w	匹配包括下劃線的任何單詞字符。相似但不等價於「[A-Za-z0-9_]」，這裏的"單詞"字符使用Unicode字符集。
\W	匹配任何非單詞字符。等價於「[^A-Za-z0-9_]」。
\xn	匹配n，其中n爲十六進制轉義值。十六進制轉義值必須爲肯定的兩個數字長。例如，「\x41」匹配「A」。「\x041」則等價於「\x04&1」。正則表達式中可使用ASCII編碼。
\num	匹配num，其中num是一個正整數。對所獲取的匹配的引用。例如，「(.)\1」匹配兩個連續的相同字符。
\n	標識一個八進制轉義值或一個向後引用。若是\n以前至少n個獲取的子表達式，則n爲向後引用。不然，若是n爲八進制數字（0-7），則n爲一個八進制轉義值。
\nm	標識一個八進制轉義值或一個向後引用。若是\nm以前至少有nm個得到子表達式，則nm爲向後引用。若是\nm以前至少有n個獲取，則n爲一個後跟文字m的向後引用。若是前面的條件都不知足，若n和m均爲八進制數字（0-7），則\nm將匹配八進制轉義值nm。
\nml	若是n爲八進制數字（0-7），且m和l均爲八進制數字（0-7），則匹配八進制轉義值nml。
\un	匹配n，其中n是一個用四個十六進制數字表示的Unicode字符。例如，\u00A9匹配版權符號（&copy;）。
\p{P}	小寫 p 是 property 的意思，表示 Unicode 屬性，用於 Unicode 正表達式的前綴。中括號內的「P」表示Unicode 字符集七個字符屬性之一：標點字符。 其餘六個屬性： L：字母； M：標記符號（通常不會單獨出現）； Z：分隔符（好比空格、換行等）； S：符號（好比數學符號、貨幣符號等）； N：數字（好比阿拉伯數字、羅馬數字等）； C：其餘字符。 *注：此語法部分語言不支持，例：javascript。
\< \>	匹配詞（word）的開始（\<）和結束（\>）。例如正則表達式\<the\>可以匹配字符串"for the wise"中的"the"，可是不能匹配字符串"otherwise"中的"the"。注意：這個元字符不是全部的軟件都支持的。
( )	將( 和 ) 之間的表達式定義爲「組」（group），而且將匹配這個表達式的字符保存到一個臨時區域（一個正則表達式中最多能夠保存9個），它們能夠用 \1 到\9 的符號來引用。
|	將兩個匹配條件進行邏輯「或」（Or）運算。例如正則表達式(him|her) 匹配"it belongs to him"和"it belongs to her"，可是不能匹配"it belongs to them."。注意：這個元字符不是全部的軟件都支持的。

 

例子一：Wap端訪問PC端域名自動跳轉

這個案例的需求是這樣子的,假如我使用手機端訪問www.baidu.com這條域名，則幫我自動重寫爲m.baidu.com。而我訪問www.souhu.com這條域名，則幫我重寫爲m.souhu.com這條域名。

#過濾主域名
    if ( $server_name ~ ((www.|)([\S\s]*)) ) {
        set $domain $3;
    }

    #設定初始值
    set $temp 0;

    #判斷是否爲支付域名
    if ( $host ~* (pay|zf) ) {
        set $temp "${temp}1";
    }

    #判斷是不是手機端
    if ($http_user_agent ~* (mobile|nokia|iphone|ipad|android|samsung|htc|blackberry)) {
        set $temp "${temp}2";
    }

    #判斷是否跳轉
    if ( $temp = "02" ) {
        rewrite ^(.*) https://app.$domain permanent;
    }

 

 

腳本邏輯分析：

首先，咱們是須要取得主域名部分，那就少不了使用正則去匹配，假如說以www.baidu.com這條域名爲例，咱們看到的第一個就是www.這個字段，可是還會存在一種狀況就是用戶可能會直接輸入baidu.com這樣子去訪問，因此咱們這裏是用(www.|)去進行匹配，再而後匹配點這個字段，而下面的$3是表示取第三個括號裏的值，最後復值給$a這個變量，接下來就是經過$http_user_agent這個內置變量去進行判斷用戶是使用什麼方式訪問，而後在進行重定向操做。

 

例子二：Nginx的IP白名單

 

這個案例的需求是這樣子的,咱們的後臺訪問只容許特定的IP進行訪問，假如說別的IP進行訪問的話咱們將進行跳轉到一個別的報錯頁面，或者直接跳轉回首頁

#定義初始值
set $my_ip 0;

#判斷是否爲指定的白名單
if ( $http_x_forwarded_for ~* "10.0.0.1|172.16.0.1" ){
    set $my_ip 1;
}

#不是白名單的IP進行重定向跳轉
if ( $my_ip = 0 ){
    rewrite ^/$ /40x.html;
}

腳本邏輯分析：

這個其實和上面的判斷用戶是使用電腦訪問仍是手機訪問是同樣的，但惟一的區別在於內置變量不一樣，在Nginx中的內置變量裏面$http_x_forwarded_for即是爲客戶訪問的真實ip地址，因此咱們使用這個內置變量進行判斷就行了，同時添加多了一個初始值；

 

例子三：重寫Url地址,隱藏提交內容

 

這個案例的需求是這樣子的,咱們提交一些表單內容後url地址會顯示除部分參數，好比http://baidu.com/index.php?user=admin&pass=123,而咱們須要將url重寫爲http://baidu.com/index

rewrite ^/(\w+)/(\w+)/z(\d+) /$1/$2/$3/$arg_x/$arg_y? permanent;
rewrite ^/(\w+)/(\w+)/(\d+)/(\d+)/(\d+) /$1/$2/$3/$4_$5.png permanent;

 

腳本邏輯分析：

首先咱們想一想想url的演變，http://baidu.com/index.php?user=admin&pass=123 => http://baidu.com/index.php/user/admin/pass/123 => http://baidu.com/index,而後咱們根據演變進行一步一步的操做，nginx rewrite正則匹配不會匹配問號後的參數，所以須要使用$arg_{參數名}來保留參數，且匹配規則要以問號結尾；最後匹配一些其餘項替換就完成重寫了