Nginx的正则表达式详解
nginx (engine x) 是一个高性能的http和反向代理服务，也是一个imap/pop3/smtp服务。nginx是由伊戈尔·赛索耶夫为俄罗斯访问量第二的rambler.ru站点（俄文：рамблер）开发的，第一个公开版本0.1.0发布于2004年10月4日。
其将源代码以类bsd许可证的形式发布，因它的稳定性、丰富的功能集、示例配置文件和低系统资源的消耗而闻名。2011年6月1日，nginx 1.0.4发布。
nginx是一款轻量级的web 服务器/反向代理服务器及电子邮件（imap/pop3）代理服务器，并在一个bsd-like 协议下发行。其特点是占有内存少，并发能力强，事实上nginx的并发能力确实在同类型的网页服务器中表现较好，*使用nginx网站用户有：百度、京东、新浪、网易、腾讯、淘宝等。
而我们今天来聊一聊他的正则表达式的使用规则,我会简单的举几个例子然后进行说明讲解。
什么是正则表达式
正则表达式，又称规则表达式。（英语：regular expression，在代码中常简写为regex、regexp或re），计算机科学的一个概念。正则表达式通常被用来检索、替换那些符合某个模式(规则)的文本。
许多程序设计语言都支持利用正则表达式进行字符串操作。例如，在perl中就内建了一个功能强大的正则表达式引擎。正则表达式这个概念最初是由unix中的工具软件（例如sed和grep）普及开的。正则表达式通常缩写成“regex”，单数有regexp、regex，复数有regexps、regexes、regexen。
正则表达式由一些普通字符和一些元字符（metacharacters）组成。普通字符包括大小写的字母和数字，而元字符则具有特殊的含义，我们下面会给予解释。
在最简单的情况下，一个正则表达式看上去就是一个普通的查找串。例如，正则表达式"testing"中没有包含任何元字符，它可以匹配"testing"和"testing123"等字符串，但是不能匹配"testing"。
要想真正的用好正则表达式，正确的理解元字符是最重要的事情。下表列出了所有的元字符和对它们的一个简短的描述。
|
元字符 |
描述 |
|
\ |
将下一个字符标记符、或一个向后引用、或一个八进制转义符。例如，“\\n”匹配\n。“\n”匹配换行符。序列“\\”匹配“\”而“\(”则匹配“(”。即相当于多种编程语言中都有的“转义字符”的概念。 |
|
^ |
匹配输入字行首。如果设置了regexp对象的multiline属性，^也匹配“\n”或“\r”之后的位置。 |
|
$ |
匹配输入行尾。如果设置了regexp对象的multiline属性，$也匹配“\n”或“\r”之前的位置。 |
|
* |
匹配前面的子表达式任意次。例如，zo*能匹配“z”，也能匹配“zo”以及“zoo”。*等价于{0,}。 |
|
+ |
匹配前面的子表达式一次或多次(大于等于1次）。例如，“zo+”能匹配“zo”以及“zoo”，但不能匹配“z”。+等价于{1,}。 |
|
? |
匹配前面的子表达式零次或一次。例如，“do(es)?”可以匹配“do”或“does”。?等价于{0,1}。 |
|
{n} |
n是一个非负整数。匹配确定的n次。例如，“o{2}”不能匹配“bob”中的“o”，但是能匹配“food”中的两个o。 |
|
{n,} |
n是一个非负整数。至少匹配n次。例如，“o{2,}”不能匹配“bob”中的“o”，但能匹配“foooood”中的所有o。“o{1,}”等价于“o+”。“o{0,}”则等价于“o*”。 |
|
{n,m} |
m和n均为非负整数，其中n<=m。最少匹配n次且最多匹配m次。例如，“o{1,3}”将匹配“fooooood”中的前三个o为一组，后三个o为一组。“o{0,1}”等价于“o?”。请注意在逗号和两个数之间不能有空格。 |
|
? |
当该字符紧跟在任何一个其他限制符（*,+,?，{n}，{n,}，{n,m}）后面时，匹配模式是非贪婪的。非贪婪模式尽可能少地匹配所搜索的字符串，而默认的贪婪模式则尽可能多地匹配所搜索的字符串。例如，对于字符串“oooo”，“o+”将尽可能多地匹配“o”，得到结果[“oooo”]，而“o+?”将尽可能少地匹配“o”，得到结果 ['o', 'o', 'o', 'o'] |
|
.点 |
匹配除“\n”和"\r"之外的任何单个字符。要匹配包括“\n”和"\r"在内的任何字符，请使用像“[\s\s]”的模式。 |
|
(pattern) |
匹配pattern并获取这一匹配。所获取的匹配可以从产生的matches集合得到，在vbscript中使用submatches集合，在jscript中则使用$0…$9属性。要匹配圆括号字符，请使用“\(”或“\)”。 |
|
(?:pattern) |
非获取匹配，匹配pattern但不获取匹配结果，不进行存储供以后使用。这在使用或字符“(|)”来组合一个模式的各个部分时很有用。例如“industr(?:y|ies)”就是一个比“industry|industries”更简略的表达式。 |
|
(?=pattern) |
非获取匹配，正向肯定预查，在任何匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。例如，“windows(?=95|98|nt|2000)”能匹配“windows2000”中的“windows”，但不能匹配“windows3.1”中的“windows”。预查不消耗字符，也就是说，在一个匹配发生后，在最后一次匹配之后立即开始下一次匹配的搜索，而不是从包含预查的字符之后开始。 |
|
(?!pattern) |
非获取匹配，正向否定预查，在任何不匹配pattern的字符串开始处匹配查找字符串，该匹配不需要获取供以后使用。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) |
非获取匹配，反向肯定预查，与正向肯定预查类似，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模块测试会报错，用“|”连接的字符串长度必须一样，这里“95|98|nt”的长度都是2，“2000”的长度是4，会报错。 |
|
(?<!patte_n) |
非获取匹配，反向否定预查，与正向否定预查类似，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”。这个地方不正确，有问题 此处用或任意一项都不能超过2位，如“(?<!95|98|nt|20)windows正确，“(?<!95|980|nt|20)windows 报错，若是单独使用则无限制，如(?<!2000)windows 正确匹配。 同上，这里在python3.6中re模块中字符串长度要一致，并不是一定为2，比如“(?<!1995|1998|ntnt|2000)windows”也是可以的。 |
|
x|y |
匹配x或y。例如，“z|food”能匹配“z”或“food”(此处请谨慎)。“[zf]ood”则匹配“zood”或“food”。 |
|
[xyz] |
字符集合。匹配所包含的任意一个字符。例如，“[abc]”可以匹配“plain”中的“a”。 |
|
[^xyz] |
负值字符集合。匹配未包含的任意字符。例如，“[^abc]”可以匹配“plain”中的“plin”任一字符。 |
|
[a-z] |
字符范围。匹配指定范围内的任意字符。例如，“[a-z]”可以匹配“a”到“z”范围内的任意小写字母字符。 注意:只有连字符在字符组内部时,并且出现在两个字符之间时,才能表示字符的范围; 如果出字符组的开头,则只能表示连字符本身. |
|
[^a-z] |
负值字符范围。匹配任何不在指定范围内的任意字符。例如，“[^a-z]”可以匹配任何不在“a”到“z”范围内的任意字符。 |
|
\b |
匹配一个单词的边界，也就是指单词和空格间的位置（即正则表达式的“匹配”有两种概念，一种是匹配字符，一种是匹配位置，这里的\b就是匹配位置的）。例如，“er\b”可以匹配“never”中的“er”，但不能匹配“verb”中的“er”；“\b1_”可以匹配“1_23”中的“1_”，但不能匹配“21_3”中的“1_”。 |
|
\b |
匹配非单词边界。“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匹配一个control-m或回车符。x的值必须为a-z或a-z之一。否则，将c视为一个原义的“c”字符。 |
|
\d |
匹配一个数字字符。等价于[0-9]。grep 要加上-p，perl正则支持 |
|
\d |
匹配一个非数字字符。等价于[^0-9]。grep要加上-p，perl正则支持 |
|
\f |
匹配一个换页符。等价于\x0c和\cl。 |
|
\n |
匹配一个换行符。等价于\x0a和\cj。 |
|
\r |
匹配一个回车符。等价于\x0d和\cm。 |
|
\s |
匹配任何不可见字符，包括空格、制表符、换页符等等。等价于[ \f\n\r\t\v]。 |
|
\s |
匹配任何可见字符。等价于[^ \f\n\r\t\v]。 |
|
\t |
匹配一个制表符。等价于\x09和\ci。 |
|
\v |
匹配一个垂直制表符。等价于\x0b和\ck。 |
|
\w |
匹配包括下划线的任何单词字符。类似但不等价于“[a-za-z0-9_]”，这里的"单词"字符使用unicode字符集。 |
|
\w |
匹配任何非单词字符。等价于“[^a-za-z0-9_]”。 |
|
\xn |
匹配n，其中n为十六进制转义值。十六进制转义值必须为确定的两个数字长。例如，“\x41”匹配“a”。“\x041”则等价于“\x04&1”。正则表达式中可以使用ascii编码。 |
|
\num |
匹配num，其中num是一个正整数。对所获取的匹配的引用。例如，“(.)\1”匹配两个连续的相同字符。 |
|
\n |
标识一个八进制转义值或一个向后引用。如果\n之前至少n个获取的子表达式，则n为向后引用。否则，如果n为八进制数字（0-7），则n为一个八进制转义值。 |
|
\nm |
标识一个八进制转义值或一个向后引用。如果\nm之前至少有nm个获得子表达式，则nm为向后引用。如果\nm之前至少有n个获取，则n为一个后跟文字m的向后引用。如果前面的条件都不满足，若n和m均为八进制数字（0-7），则\nm将匹配八进制转义值nm。 |
|
\nml |
如果n为八进制数字（0-7），且m和l均为八进制数字（0-7），则匹配八进制转义值nml。 |
|
\un |
匹配n，其中n是一个用四个十六进制数字表示的unicode字符。例如，\u00a9匹配版权符号（©）。 |
|
\p{p} |
小写 p 是 property 的意思，表示 unicode 属性，用于 unicode 正表达式的前缀。中括号内的“p”表示unicode 字符集七个字符属性之一：标点字符。 其他六个属性： l：字母； m：标记符号（一般不会单独出现）； z：分隔符（比如空格、换行等）； s：符号（比如数学符号、货币符号等）； n：数字（比如阿拉伯数字、罗马数字等）； c：其他字符。 *注：此语法部分语言不支持，例：javascript。 |
|
\< \> |
匹配词（word）的开始（\<）和结束（\>）。例如正则表达式\<the\>能够匹配字符串"for the wise"中的"the"，但是不能匹配字符串"otherwise"中的"the"。注意：这个元字符不是所有的软件都支持的。 |
| ( ) | 将( 和 ) 之间的表达式定义为“组”（group），并且将匹配这个表达式的字符保存到一个临时区域（一个正则表达式中最多可以保存9个），它们可以用 \1 到\9 的符号来引用。 |
| | | 将两个匹配条件进行逻辑“或”（or）运算。例如正则表达式(him|her) 匹配"it belongs to him"和"it belongs to her"，但是不能匹配"it belongs to them."。注意：这个元字符不是所有的软件都支持的。 |
例子一：wap端访问pc端域名自动跳转
这个案例的需求是这样子的,假如我使用手机端访问www.baidu.com这条域名，则帮我自动重写为m.baidu.com。而我访问www.souhu.com这条域名，则帮我重写为m.souhu.com这条域名。
if ( $server_name ~ ((|www.|)([if ( $ser|
#过滤主域名
if ( $server_name ~ ((www.|)([\s\s]*)) ) {
set $domain $3;
}
#设定初始值
set $temp 0;
#判断是否为支付域名
if ( $host ~* (pay|zf) ) {
set $temp "${temp}1";
}
#判断是否是手机端
if ($http_user_agent ~* (mobile|nokia|iphone|ipad|android|samsung|htc|blackberry)) {
set $temp "${temp}2";
}
#判断是否跳转
if ( $temp = "02" ) {
rewrite ^(.*) https://app.$domain permanent;
}
脚本逻辑分析：
首先，我们是需要取得主域名部分，那就少不了使用正则去匹配，假如说以www.baidu.com这条域名为例，我们看到的第一个就是www.这个字段，但是还会存在一种情况就是用户可能会直接输入baidu.com这样子去访问，所以我们这里是用(www.|)去进行匹配，再然后匹配点这个字段，而下面的$3是表示取第三个括号里的值，最后复值给$a这个变量，接下来就是通过$http_user_agent这个内置变量去进行判断用户是使用什么方式访问，然后在进行重定向操作。
例子二：nginx的ip白名单
这个案例的需求是这样子的,我们的后台访问只允许特定的ip进行访问，假如说别的ip进行访问的话我们将进行跳转到一个别的报错页面，或者直接跳转回首页
#定义初始值
set $my_ip 0;
#判断是否为指定的白名单
if ( $http_x_forwarded_for ~* "10.0.0.1|172.16.0.1" ){
set $my_ip 1;
}
#不是白名单的ip进行重定向跳转
if ( $my_ip = 0 ){
rewrite ^/$ /40x.html;
}
脚本逻辑分析：
这个其实和上面的判断用户是使用电脑访问还是手机访问是一样的，但唯一的区别在于内置变量不同，在nginx中的内置变量里面$http_x_forwarded_for便是为客户访问的真实ip地址，所以我们使用这个内置变量进行判断就好了，同时添加多了一个初始值；
例子三：重写url地址,隐藏提交内容
这个案例的需求是这样子的,我们提交一些表单内容后url地址会显示除部分参数，比如http://baidu.com/index.php?user=admin&pass=123,而我们需要将url重写为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_$5.png permanent;
脚本逻辑分析：
首先我们想想想url的演变，http://baidu.com/index.php?user=admin&pass=123 => http://baidu.com/index.php/user/admin/pass/123 => http://baidu.com/index,然后我们根据演变进行一步一步的操作，nginx rewrite正则匹配不会匹配问号后的参数，因此需要使用$arg_{参数名}来保留参数，且匹配规则要以问号结尾；最后匹配一些其他项替换就完成重写了
总结
正则表达式其实并不难，常常使用的匹配元字符也就那么几个，也可以将正则表达式说成一个套接字游戏，但是这个游戏应用的非常广泛罢了
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持。