有道面试题是正则表达式匹配

原文链接：http://caibaojian.com/zhongwen-regexp.html
这篇文章主要讲如何使用正则匹配中文字符，中文正则表达式的匹配规则不像其他正则规则一样容易记住，下面一起看看这个中文正则表达式是怎么样的。
\w匹配的仅仅是中文，数字，字母，对于国人来讲，仅匹配中文时常会用到，见下
匹配中文字符的正则表达式： [\u4e00-\u9fa5]
或许你也需要匹配双字节字符，中文也是双字节的字符
匹配双字节字符(包括汉字在内)：[^\x00-\xff]
注：可以用来计算字符串的长度（一个双字节字符长度计2，ASCII字符计1）
更多常用正则表达式匹配规则：
英文字母:[a-zA-Z]

数字:[0-9]
匹配中文，英文字母和数字及_:
//code from http://caibaojian.com/zhongwen-regexp.html
^[\u4e00-\u9fa5_a-zA-Z0-9]+$
同时判断输入长度：·
[\u4e00-\u9fa5_a-zA-Z0-9_]{4,10}

^[\w\u4E00-\u9FA5\uF900-\uFA2D]*$
1、一个正则表达式，只含有汉字、数字、字母、下划线不能以下划线开头和结尾：
^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$
其中：
^ 与字符串开始的地方匹配
(?!_)　　不能以_开头

(?!.*?_$)　　不能以_结尾

[a-zA-Z0-9_\u4e00-\u9fa5]+　　至少一个汉字、数字、字母、下划线
$　　与字符串结束的地方匹配
放在程序里前面加@，否则需要\\进行转义 @"^(?!_)(?!.*?_$)[a-zA-Z0-9_\u4e00-\u9fa5]+$"

（或者：@"^(?!_)\w*(?<!_)$" 或者 @" ^[\u4E00-\u9FA50-9a-zA-Z_]+$ " )
2、只含有汉字、数字、字母、下划线，下划线位置不限：
^[a-zA-Z0-9_\u4e00-\u9fa5]+$
3、由数字、26个英文字母或者下划线组成的字符串
^\w+$
4、2~4个汉字
@"^[\u4E00-\u9FA5]{2,4}$";
5、
^[\w-]+(\.[\w-]+)*@[\w-]+(\.[\w-]+)+$
用：(Abc)+ 来分析： XYZAbcAbcAbcXYZAbcAb

来源：前端开发博客

正则表达式匹配规则
限定符：？（0或1次）
限定符：* （0或1次或多次）
限定符：+ （1次或多次）
限定符：{ } （指定次数）
使用 () 实现多个字符的匹配
或运算符：|
[ ] 定义匹配的字符范围
元字符 \d \D \w \W \s \S . \b
^ 匹配行首， $ 匹配行尾
贪婪匹配与懒惰匹配
使用实例


注：本博客使用到的正则表达式在线测试工具：https://regex101.com/



限定符：？（0或1次）


? 表示其前面的一个字符出现的次数可以为0次或1次（可有可无）
测试示例：oo?





限定符：* （0或1次或多次）


* 表示其前面的一个字符出现的次数可以为0次或1次或多次
测试示例：om*o





限定符：+ （1次或多次）


+ 表示其前面的一个字符出现的次数可以为1次或多次
测试示例： om+o





限定符：{ } （指定次数）


可以使用 { } 来指定前一个字符出现的次数范围
{2}表示出现次数为2次
{2，4}表示出现的次数为2–4次
{2,}表示出现的次数为2次或2次以上
测试示例： om{2}o



测试示例： om{2,4}o



测试示例： om{2,}o





使用 () 实现多个字符的匹配






或运算符：|






[ ] 定义匹配的字符范围


[abc]+ 表示匹配字符abc



[0-5] 表示匹配数字0–5

[K-X] 表示匹配大写字母K–X

[d-t] 表示匹配小写字母d–t



使用 ^ 反向匹配





元字符 \d \D \w \W \s \S . \b


\d 代表数字字符，相当于 [0-9]



\D 代表非数字字符，相当于 [^0-9]


\w 代表单词字符（数字、字母、下划线）
\W 代表非单词字符



\s 代表空白符（空格、Tab、换行符）
\S 代表非空白字符


. 代表除换行符之外的所有字符



\b 代表单词字符的边界（开头或结尾），它只代表位置，不匹配空格、换行和Tab




^ 匹配行首， $ 匹配行尾


^ 匹配行首



$ 匹配行尾





贪婪匹配与懒惰匹配


示例1：
贪婪匹配：尽可能匹配多的字符



懒惰匹配：尽可能匹配少的字符



示例2：
贪婪模式：



懒惰模式：





使用实例


实例1：匹配所有16进制的RGB颜色值：


实例2：IPv4 地址匹配：
\b((25[0-5]|2[0-4]\d|[01]?\d\d?)\.){3}(25[0-5]|2[0-4]\d|[01]?\d\d?)\b

免费视频福利推荐：

2T学习视频教程+电子书 免费送：BAT面试精讲视频，亿级流量秒杀系统，分布式系统架构，中间件消息队列，Python Go入门到精通，Java实战项目，Linux， 网络，MySQL高性能，Redis集群架构，大数据，架构师速成，微服务，容器化Docker K8s， ELK Stack日志系统等免费视频教程！

 

 

1、nginx配置基础

1、正则表达式匹配

~ 区分大小写匹配

~* 不区分大小写匹配

!~和!~*分别为区分大小写不匹配及不区分大小写不匹配

^ 以什么开头的匹配

$ 以什么结尾的匹配

转义字符。可以转. * ?等

* 代表任意字符

2、文件及目录匹配

-f和!-f用来判断是否存在文件

-d和!-d用来判断是否存在目录

-e和!-e用来判断是否存在文件或目录

-x和!-x用来判断文件是否可执行

例:

location = /

#匹配任何查询，因为所有请求都已 / 开头。但是正则表达式规则和长的块规则将被优先和查询匹配

location ^~ /images/ {

# 匹配任何已/images/开头的任何查询并且停止搜索。任何正则表达式将不会被测试。

location ~* .(gif|jpg|jpeg)$ {

# 匹配任何已.gif、.jpg 或 .jpeg 结尾的请求

入门

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：

 代码如下
			
复制代码
		
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：

 代码如下
			
复制代码
		

			
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：

 代码如下
			
复制代码
		
server {

			  server_name   www.example.com   ~^wwwd+.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：

 

 代码如下
			
复制代码
		
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：

 代码如下
			
复制代码
		

			
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：

 代码如下
			
复制代码
		

			
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'

			}
			
		
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。

 代码如下
			
复制代码
		

			
[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}
			
		
location顺序错误导致下载.php源码而不执行php程序的问题

看下面的例子片断(server段、wordpress安装到多个目录)：

=====================================

 代码如下
			
复制代码
		

			
location / {

			        try_files $uri $uri/ /index.html;

			}

			
location /user1/ {

			      try_files $uri $uri/ /user1/index.php?q=$uri&$args;

			}

			
location ~* ^/(user2|user3)/ {

			        try_files $uri $uri/ /$1/index.php?q=$uri&$args;

			}

			
location ~ .php$ {

			        fastcgi_pass 127.0.0.1:9000;

			        fastcgi_index index.php;

			        include fastcgi_params;

			}
			
		
=====================================

nginx.conf的配置代码看上去没有任何问题，而事实上：

访问 /user1/会正常执行php程序。

访问 /user2/ 或 /user3/ 都不会执行程序，而是直接下载程序的源代码。

原因在哪里？看到他们地区别了吗？

/user1/是普通location写法

而/user2/ 或 /user3/ 是正则表达式匹配的location

问题就出在了/user2/ 或 /user3/匹配location指令使用了正则表达式，所以必须注意代码段的先后顺序，必须把

location ~ .php$ {...}段上移、放到它的前面去。

正确的代码举例：

=====================================

 代码如下
			
复制代码
		

			
location / {

			        try_files $uri $uri/ /index.html;

			}

			
location /user1/ {

			      try_files $uri $uri/ /user1/index.php?q=$uri&$args;

			}

			
location ~ .php$ {

			        fastcgi_pass 127.0.0.1:9000;

			        fastcgi_index index.php;

			        include fastcgi_params;

			}

			
location ~* ^/(user2|user3)/ {

			        try_files $uri $uri/ /$1/index.php?q=$uri&$args;

			}
			
		
=====================================

【注意】对于普通location指令行，是没有任何顺序的要求的。如果你也遇到了类似的问题，可以尝试调整使用正则

表达式的location指令片断的顺序来调试