Nginx中的正则表达式

1、if指令

所有的Nginx内置变量都可以通过if指令和正则表达式来进行匹配，并且根据匹配结果进行一些操作，如下：

if ($http_user_agent ~ MSIE) {
  rewrite  ^(.*)$  /msie/$1  break;
}
 
if ($http_cookie ~* "id=([^;] +)(?:;|$)" ) {
  set  $id  $1;
}

使用符号~*和~模式匹配的正则表达式：

1. ~为区分大小写的匹配。
2. ~*不区分大小写的匹配（匹配firefox的正则同时匹配FireFox）。
3. !~和!~*意为“不匹配的”。

Nginx在很多模块中都有内置的变量，常用的内置变量在HTTP核心模块中，这些变量都可以使用正则表达式进行匹配。

2、可以通过正则表达式匹配的指令

location

查看维基：location
可能这个指令是我们平时使用正则匹配用的最多的指令：

location ~ .*\.php?$ {
        fastcgi_pass   127.0.0.1:9000;
        fastcgi_index  index.php;
        fastcgi_param  SCRIPT_FILENAME  /data/wwwsite/test.com/$fastcgi_script_name;
        include        fcgi.conf;
    }

几乎每个基于LEMP的主机都会有如上一段代码。他的匹配规则类似于if指令，不过他多了三个标识符，^~、=、@。并且它没有取反运算符!，这三个标识符的作用分别是：

1. ^~ 标识符后面跟一个字符串。 Nginx将在这个字符串匹配后停止进行 正则表达式的匹配（location指令中 正则表达式的匹配的结果优先使用），如：location ^~ /images/，你希望对/images/这个目录进行一些特别的操作，如增加expires头，防盗链等，但是你又想把除了这个目录的图片外的所有图片只进行增加expires头的操作，这个操作可能会用到另外一个location，例如：location ~* \.(gif|jpg|jpeg)$，这样，如果有请求/images/1.jpg， nginx如何决定去进行哪个location中的操作呢？结果取决于标识符^~，如果你这样写：location /images/，这样 nginx会将1.jpg匹配到location ~* \.(gif|jpg|jpeg)$这个location中，这并不是你需要的结果，而增加了^~这个标识符后，它在匹配了/images/这个字符串后就停止搜索其它带正则的location。
2. = 表示精确的查找地址，如location = /它只会匹配uri为/的请求，如果请求为/index.html，将查找另外的location，而不会匹配这个，当然可以写两个location，location = /和location /，这样/index.html将匹配到后者，如果你的站点对/的请求量较大，可以使用这个方法来加快请求的响应速度。
3. @ 表示为一个location进行命名，即自定义一个location，这个location不能被外界所访问，只能用于 Nginx产生的子请求，主要为 error_page和 try_files。

注意，这3个标识符后面不能跟正则表达式，虽然配置文件检查会通过，而且没有任何警告，但是他们并不会进行匹配。
综上所述，location指令对于后面值的匹配顺序为：

1. 标识符“=”的location会最先进行匹配，如果请求uri匹配这个location，将对请求使用这个location的配置。
2. 进行字符串匹配，如果匹配到的location有^~这个标识符，匹配停止返回这个location的配置。
3. 按照配置文件中定义的顺序进行 正则表达式匹配。最早匹配的location将返回里面的配置。
4. 如果 正则表达式能够匹配到请求的uri，将使用这个正则对应的location，如果没有，则使用第二条匹配的结果。

server_name

查看维基：server_name
server_name用于配置基于域名或IP的虚拟主机，这个指令也是可以使用正则表达式的，但是注意，这个指令中的正则表达式不用带任何的标识符，但是必须以~开头：

server {
  server_name   www.example.com   ~^www\d+\.example\.com$;
}

server_name指令中的正则表达式可以使用引用，高级的应用可以查看这篇文章：在server_name中使用正则表达式

fastcgi_split_path_info

查看维基：fastcgi_split_path_info
这个指令按照CGI标准来设置SCRIPT_FILENAME (SCRIPT_NAME)和PATH_INFO变量，它是一个被分割成两部分（两个引用）的正则表达式。如下：

location ~ ^.+\.php {
  (...)
  fastcgi_split_path_info ^(.+\.php)(.*)$;
  fastcgi_param SCRIPT_FILENAME /path/to/php$fastcgi_script_name;
  fastcgi_param PATH_INFO $fastcgi_path_info;
  fastcgi_param PATH_TRANSLATED $document_root$fastcgi_path_info;
  (...)
}

第一个引用（.+\.php）加上/path/to/php将作为SCRIPT_FILENAME，第二个引用(.*)为PATH_INFO，例如请求的完整URI为show.php/article/0001，则上例中SCRIPT_FILENAME的值为/path/to/php/show.php，PATH_INFO则为/article/0001。
这个指令通常用于一些通过PATH_INFO美化URI的框架（例如CodeIgniter）。

gzip_disable

查看维基：gzip_disable
通过正则表达式来指定在哪些浏览器中禁用gzip压缩。

gzip_disable     "msie6";

rewrite

查看维基：rewrite
这个指令应该也是用的比较多的，它需要使用完整的包含引用的正则表达式：

rewrite  "/photos/([0-9] {2})([0-9] {2})([0-9] {2})" /path/to/photos/$1/$1$2/$1$2$3.png;

通常环境下我们会把它和if结合来使用：

if ($host ~* www\.(.*)) {
  set $host_without_www $1;
  rewrite ^(.*)$ http://$host_without_www$1 permanent; # $1为'/foo'，而不是'www.mydomain.com/foo'
}

需要注意的是rewrite后面的第一个正则参数永远是只对URI进行匹配，而不是对完整的带主机头的URL，如上例中，if语句来判断主机头，如果匹配www\.(.*)，则设置一个变量$host_without_www的值为www\.(.*)的引用，如果上例中的请求URL为www.mydomain.com/foo，则$host_without_www的值为mydomain.com，而下面的rewrite指令中，第一个正则表达式的引用将为/foo，则最终通过这个重写后的请求URL为http://mydomain.com/foo。

3、Nginx中的正则如何匹配中文

首先确定在编译pcre时加了enable-utf8参数，如果没有，请重新编译pcre，然后就可以在Nginx的配置文件中使用这样的正则：”(*UTF8)^/[\x{4e00}-\x{9fbf}]+)$”注意引号和前面的(*UTF8)，(*UTF8)将告诉这个正则切换为UTF8模式。

4、如何测试你的正则表达式

通常我们在Nginx安装之前会编译安装pcre，它自带一个小工具：pcretest，使用方法以下：

[root@backup conf]# pcretest
PCRE version 8.10 2010-06-25

  re> /^(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)(\.(25[0-5]|2[0-4][0-9]|[01]?[0-9][0-9]?)){3,3}$/  ###这是一个匹配IP的正则
data> 192.168.10.1
 0: 192.168.10.1
 1: 192
 2: .1
 3: 1
data> 666.666.666.666
No match
data> 255.255.255.255
 0: 255.255.255.255
 1: 255
 2: .255
 3: 255
data> 0.0.0.0
 0: 0.0.0.0
 1: 0
 2: .0
 3: 0
data> 666777
No match

匹配中文：

[root@backup conf]# pcretest
PCRE version 8.10 2010-06-25

  re> /^[\x{4e00}-\x{9fbf}]+/8
data> 测试
 0: \x{6d4b}\x{8bd5}
data> Nginx模块参考手册中文版
No match
data> 参考手册中文版
 0: \x{53c2}\x{8003}\x{624b}\x{518c}\x{4e2d}\x{6587}\x{7248}

注意正则表达式后面的8，它表示这条正则使用UTF-8匹配。