OpenResty中正则模式匹配的2种方法详解

前言

本文介绍 OpenResty 的两种正则模式匹配。

首先需要说明的是，OpenResty 套件中包含了两种语法：一种是主要基于 FFI API 实现的 OpenResty 语法，一种是类原生 Lua 脚本语言的语法。

在本文所介绍的内容中，对应以上两种语法的正则模式匹配分别是 ngx.re.find 和 string.find 。

这两种规则起到完全相同的作用：在 subject string 中搜索指定的模式的串，若找到匹配值就返回它的开始位置和结束位置的位数，否则返回两个 nil 空值。需要注意的是，当查找到模式时才会产生两个值，当例如只有一个变量时只会产生开始位置位数或一个 nil 空值。

即使你对 Lua 比较熟悉，也已不再建议使用 string.find 等 Lua 的正则语法。一是因为由于实现不同，Lua 提供的正则表达式的性能相比 ngx.re.* 的表现要逊色不少，二是 Lua 的正则语法并不符合 POSIX 规范，而 ngx.re.* 则由标准 POSIX 规范进行实现，后者明显更具备通用性和现在意义。

还有一个很重要的原因，相比 string.* 的每次都需重新编译一遍，OpenResty 提供的 ngx.re.* 规范能够在编译完成后对 Pattern 进行缓存（使用 “o” 参数），并且也能通过 “j” 参数启用 JIT 来进一步提升性能（需 pcre JIT 支持）。

string.find

虽说已经实在没什么要用 string.find 的必要（前浪死在沙滩上），不过我还是打算简单介绍下，因为我现在就是用的这个（原因我在后文会提到）。

-- syntax
from, to, err = string.find(s, pattern, start, [plain])

-- context
init_worker_by_lua*, set_by_lua*, rewrite_by_lua*, access_by_lua*, content_by_lua*, header_filter_by_lua*, body_filter_by_lua*, log_by_lua*, ngx.timer.\*, balancer_by_lua*, ssl_certificate_by_lua*, ssl_session_fetch_by_lua*, ssl_session_store_by_lua*

-- example
string.find(ngx.var.http_user_agent, "360")

以上示例的作用就是包含有 “360” 的 UA 进行匹配，匹配命中时返回的值为 匹配串的开始位置和结束位置的位数（从左往右） 。举个例子，使用 ngx.say 对输出值进行显示，先完成以下代码：

-- 定义变量
var = string.find(ngx.var.http_user_agent, "360")

-- 输出
ngx.say("var=" .. var)

把它放到 Nginx 网站的 /example 路径下：

location = /example {
 access_by_lua_block {
 var = string.find(ngx.var.http_user_agent, "360")
 ngx.say("var=" .. var)
 }
}

然后使用 curl 测试响应：

# 发个请求，顺便指定 UA 为 360
curl example.com -A "360"

# 返回响应会看到由 ngx.say echo 回来的字符串
# 这里匹配到的 "360" 字符串位于字首，位数是 1
var=1

ngx.re.find

ngx.re.find 规范的优势已经在上文介绍过了，这里介绍下它的基本语法（更多说明可以参看 官方文档 ），以及要发挥它的优势（使用 “o” 参数缓存和使用 pcre JIT）的所需要求。

-- syntax
from, to, err = ngx.re.find(subject, regex, options?, ctx?, nth?)

-- context
init_worker_by_lua*, set_by_lua*, rewrite_by_lua*, access_by_lua*, content_by_lua*, header_filter_by_lua*, body_filter_by_lua*, log_by_lua*, ngx.timer.\*, balancer_by_lua*, ssl_certificate_by_lua*, ssl_session_fetch_by_lua*, ssl_session_store_by_lua*

-- example
ngx.re.find(ngx.var.http_user_agent, "360", "jo")

要使用 ngx.re.* 规范，并且要实现更高性能的话，需要满足三个条件：编译时使用 Cwith-pcre-jit 参数以启用 pcre JIT 支持；编译时需要 lua-resty-core 支持（直接使用 OpenResty 安装即可）；以及使用 Lua 代码时，需要在 init_by_lua 段引入 require 'resty.core.regex' 语句（引入 lua-resty-core API 支持），并在构建代码时将使用 "jo" 参数作为你的习惯，这两个参数提供 pcre JIT 和 Pattern Cache 开关。正如上面 example 中所用的那样。

同样作为前面举例的实现，Lua 代码变成了这样：

-- 定义变量
var = ngx.re.find(ngx.var.http_user_agent, "360", "jo")

-- 输出
ngx.say("var=" .. var)

我的坑

最后来解释下我为什么还在用 string.find 语法。原因比较尴尬，不是我不想用，而是我不能用。我使用了以下代码：

if (ngx.re.find(ngx.var.request_uri, "^/admin/", "jo") ~= nil or ngx.re.find(ngx.var.request_uri, "^/tools/", "jo") ~= nil) then
 return ngx.exit(ngx.HTTP_CLOSE)
end

然后我就发现，这个匹配坑我了，我把这段代码单独拿出来时访问 /admin/xxx 或 /tools/xxx 就会被拒，但是我一把它放进代码构筑后就形同虚设。当然我能肯定不是我其它代码的问题，因为换成 string.find 后就好了。

为了确认是不是正则写错的锅，我也做过以下测试：

if (ngx.var.request_uri == "/test1/") then
 if (ngx.re.find("/admin/test/", "^/admin/", "jo") ~= nil) then
  ngx.say("1=" .. ngx.re.find("/admin/test/", "^/admin/", "jo"))
 end
elseif (ngx.var.request_uri == "/test2/") then
 if (ngx.re.find("/admintest/", "^/admin/", "jo") ~= nil) then
  ngx.say("2=" .. ngx.re.find("/admintest/", "^/admin/", "jo"))
 end
elseif (ngx.var.request_uri == "/test3/") then
 if (ngx.re.find("/artic/", "^/admin/", "jo") ~= nil) then
  ngx.say("3=" .. ngx.re.find("/artic/", "^/admin/", "jo"))
 end
elseif (ngx.var.request_uri == "/test4/") then
 if (ngx.re.find("/artic", "^/admin/", "jo") ~= nil) then
  ngx.say("4=" .. ngx.re.find("/artic", "^/admin/", "jo"))
 end
elseif (ngx.var.request_uri == "/test5/") then
 if (ngx.re.find("/offline/admin/", "^/admin/", "jo") ~= nil) then
  ngx.say("5=" .. ngx.re.find("/offline/admin/", "^/admin/", "jo"))
 end
elseif (ngx.var.request_uri == "/test6/") then
 if (ngx.re.find("/offline/", "^/admin/", "jo") ~= nil) then
  ngx.say("6=" .. ngx.re.find("/offline/", "^/admin/", "jo"))
 end
elseif (ngx.var.request_uri == "/test7/") then
 if (ngx.re.find("/admin/", "^/admin/", "jo") ~= nil) then
  ngx.say("7=" .. ngx.re.find("/admin/", "^/admin/", "jo"))
 end
elseif (ngx.var.request_uri == "/test8/") then
 if (ngx.re.find("/adm/in", "^/admin/", "jo") ~= nil) then
  ngx.say("8=" .. ngx.re.find("/adm/in", "^/admin/", "jo"))
 end
else
 if (ngx.var.request_uri == "/test9/") then
  if (ngx.re.find("/admin", "^/admin/", "jo") ~= nil) then
   ngx.say("9=" .. ngx.re.find("/admin", "^/admin/", "jo"))
  end
 end
end

测试结果却表明我的写法并没有错，根据 echo 的结果作出的判断是， ^/admin/ 的确对 /admin/xxx 进行了唯一匹配。

总结