WenMing · 更新于 2018-11-16 05:00:33

正则表达式

OpenResty 中,同时存在两套正则表达式规范:Lua 语言的规范和 ngx.re.* 的规范,即使您对 Lua 语言中的规范非常熟悉,我们仍不建议使用 Lua 中的正则表达式。一是因为 Lua 中正则表达式的性能并不如 ngx.re.* 中的正则表达式优秀;二是 Lua 中的正则表达式并不符合 POSIX 规范,而 ngx.re.* 中实现的是标准的 POSIX 规范,后者明显更具备通用性。

Lua 中的正则表达式与 Nginx 中的正则表达式相比,有 5% - 15% 的性能损失,而且 Lua 将表达式编译成 Pattern 之后,并不会将 Pattern 缓存,而是每此使用都重新编译一遍,潜在地降低了性能。ngx.re.* 中的正则表达式可以通过参数缓存编译过后的 Pattern,不会有类似的性能损失。

ngx.re.* 中的 o 选项,指明该参数,被编译的 Pattern 将会在工作进程中缓存,并且被当前工作进程的每次请求所共享。Pattern 缓存的上限值通过 lua_regex_cache_max_entries 来修改。

ngx.re.* 中的 j 选项,指明该参数,如果使用的 PCRE 库支持 JIT,OpenResty 会在编译 Pattern 时启用 JIT。启用 JIT 后正则匹配会有明显的性能提升。较新的平台,自带的 PCRE 库均支持 JIT。如果系统自带的 PCRE 库不支持 JIT,出于性能考虑,最好自己编译一份 libpcre.so,然后在编译 OpenResty 时链接过去。要想验证当前 PCRE 库是否支持 JIT,可以这么做

  1. 编译 OpenResty 时在 ./configure 中指定 --with-debug 选项
  2. error_log 指令中指定日志级别为 debug
  3. 运行正则匹配代码,查看日志中是否有 pcre JIT compiling result: 1

即使运行在不支持 JIT 的 OpenResty 上,加上 j 选项也不会带来坏的影响。在 OpenResty 官方的 Lua 库中,正则匹配至少都会带上 jo 这两个选项。

location /test {
    content_by_lua_block {
        local regex = [[\d+]]

        -- 参数 "j" 启用 JIT 编译,参数 "o" 是开启缓存必须的
        local m = ngx.re.match("hello, 1234", regex, "jo")
        if m then
            ngx.say(m[0])
        else
            ngx.say("not matched!")
        end
    }
}

测试结果如下:

➜  ~ curl 127.0.0.1/test
1234

另外还可以试试引入 lua-resty-core 中的正则表达式 API。这么做需要在代码里加入 require 'resty.core.regex'lua-resty-core 版本的 ngx.re.*,是通过 FFI 而非 Lua/C API 来跟 OpenResty C 代码交互的。某些情况下,会带来明显的性能提升。

Lua 正则简单汇总

Lua 中正则表达式语法上最大的区别,Lua 使用 '%' 来进行转义,而其他语言的正则表达式使用 '\' 符号来进行转义。其次,Lua 中并不使用 '?' 来表示非贪婪匹配,而是定义了不同的字符来表示是否是贪婪匹配。定义如下:

符号 匹配次数 匹配模式
+ 匹配前一字符 1 次或多次 非贪婪
* 匹配前一字符 0 次或多次 贪婪
- 匹配前一字符 0 次或多次 非贪婪
? 匹配前一字符 0 次或1次 仅用于此,不用于标识是否贪婪
符号 匹配模式
. 任意字符
%a 字母
%c 控制字符
%d 数字
%l 小写字母
%p 标点字符
%s 空白符
%u 大写字母
%w 字母和数字
%x 十六进制数字
%z 代表 0 的字符
  • string.find 的基本应用是在目标串内搜索匹配指定的模式的串。函数如果找到匹配的串,就返回它的开始索引和结束索引,否则返回 nilfind 函数第三个参数是可选的:标示目标串中搜索的起始位置,例如当我们想实现一个迭代器时,可以传进上一次调用时的结束索引,如果返回了一个 nil 值的话,说明查找结束了.
local s = "hello world"
local i, j = string.find(s, "hello")
print(i, j) --> 1 5
  • string.gmatch 我们也可以使用返回迭代器的方式。
local s = "hello world from Lua"
for w in string.gmatch(s, "%a+") do
    print(w)
end

-- output :
--    hello
--    world
--    from
--    Lua
  • string.gsub 用来查找匹配模式的串,并将使用替换串其替换掉,但并不修改原字符串,而是返回一个修改后的字符串的副本,函数有目标串,模式串,替换串三个参数,使用范例如下:
local a = "Lua is cute"
local b = string.gsub(a, "cute", "great")
print(a) --> Lua is cute
print(b) --> Lua is great
  • 还有一点值得注意的是,'%b' 用来匹配对称的字符,而不是一般正则表达式中的单词的开始、结束。 '%b' 用来匹配对称的字符,而且采用贪婪匹配。常写为 '%bxy',x 和 y 是任意两个不同的字符;x 作为 匹配的开始,y 作为匹配的结束。比如,'%b()' 匹配以 '(' 开始,以 ')' 结束的字符串:
print(string.gsub("a (enclosed (in) parentheses) line", "%b()", ""))

-- output: a  line 1
上一篇: 非空判断 下一篇: 不用标准库