Một quy tắc chuyển hướng dùng biểu thức chính quy chỉ cần bốn thứ: ký tự neo ^ và $ để chặn hai đầu, nhóm ngoặc tròn để bắt phần cần giữ, $1 $2 để đặt lại phần đó vào đích, và gạch chéo ngược trước các ký tự có nghĩa đặc biệt như dấu chấm. Phần lớn sự cố chuyển hướng theo khuôn đến từ việc thiếu một trong bốn thứ này, chứ không phải từ cú pháp phức tạp.
Cả nginx lẫn Apache đều dùng biểu thức chính quy kiểu PCRE, nên cách đọc giống nhau; chỗ khác nằm ở việc mỗi máy chủ đem chuỗi nào ra so. Bài này đi qua những mẫu thường gặp khi chuyển site, kèm cách thử trên danh sách đường dẫn thật trước khi áp. Mọi ví dụ là giả định; hãy chạy trên môi trường thử trước.
Các ký hiệu cần thuộc
Không cần thuộc cả bộ biểu thức chính quy. Với quy tắc chuyển hướng, chừng này ký hiệu là đủ cho hầu hết tình huống.
| Ký hiệu | Nghĩa | Ví dụ trong quy tắc |
|---|---|---|
| ^ và $ | Đầu chuỗi và cuối chuỗi | ^/lien-he$ chỉ khớp đúng /lien-he |
| . | Một ký tự bất kỳ | \.html$ phải thoát để chỉ dấu chấm thật |
| *, +, ? | Lặp không hoặc nhiều lần, một hoặc nhiều lần, có hoặc không | /?$ chấp nhận có hoặc không gạch chéo cuối |
| ( ) | Nhóm bắt, gọi lại bằng $1, $2… | ^/tin/(.*)$ rồi đích /blog/$1 |
| [^/]+ | Một đoạn đường dẫn, không vượt qua dấu gạch chéo | ^/sp/([^/]+)/?$ |
| \d | Một chữ số | ^/bai/(\d+)$ chỉ bắt mã số |
| (?: ) | Nhóm không bắt, không chiếm số thứ tự | ^/(?:vi|en)/(.*)$ thì phần đuôi vẫn là $1 |
Nhóm bắt được đánh số theo thứ tự dấu mở ngoặc từ trái sang phải. Trong biểu thức ^/(tin|bai)/(\d+)-(.*)$, $1 là tin hoặc bai, $2 là mã số, $3 là phần còn lại. Thêm một cặp ngoặc vào giữa là mọi số phía sau dịch đi một, lỗi rất hay gặp khi sửa quy tắc cũ của người khác.
Bốn lỗi kinh điển và cách nhận ra
Thiếu ký tự neo. Biểu thức /cu không neo sẽ khớp cả /cu, /cua-hang, /san-pham/cu-hanh vì nó chỉ cần chuỗi con. Kết quả là những trang không liên quan bị đẩy đi. Thói quen an toàn: luôn có ^ ở đầu, và có $ ở cuối trừ khi bạn cố ý muốn khớp tiền tố.
Dấu chấm không thoát. Trong ^/index.php$, dấu chấm khớp mọi ký tự nên /indexAphp cũng khớp. Hậu quả thường vô hại nhưng với các khuôn rộng hơn như tên miền trong điều kiện, dấu chấm không thoát có thể làm tên miền khác lọt qua. Viết index\.php.
Khớp tham lam ăn quá phần cần. Nhóm (.*) cố ăn càng nhiều càng tốt. Với ^/(.*)/(.*)$ và đường dẫn /a/b/c, $1 là a/b và $2 là c, không phải a và b/c như nhiều người đoán. Khi cần tách đúng đoạn đầu, dùng ([^/]+) cho đoạn đó.
Quên biến thể có gạch chéo cuối. Đường dẫn /gioi-thieu và /gioi-thieu/ là hai chuỗi khác nhau với máy chủ. Quy tắc ^/gioi-thieu$ bỏ sót bản có gạch chéo, thêm /? trước ký tự $ là bắt được cả hai.
Mỗi máy chủ đem chuỗi nào ra so
Biểu thức đúng nhưng so với chuỗi sai thì vẫn không khớp. Trong nginx, location và rewrite so trên đường dẫn đã được giải mã phần trăm và chuẩn hoá, không gồm chuỗi truy vấn, luôn bắt đầu bằng gạch chéo. Biến $request_uri thì giữ nguyên chuỗi gốc khách gửi, gồm cả tham số và các ký tự còn mã hoá. Khi dùng map hoặc if so với $request_uri, bạn phải tính đến tham số phía sau.
Trong Apache, RewriteRule đặt ở cấu hình vhost so trên đường dẫn bắt đầu bằng gạch chéo; đặt trong .htaccess thì phần thư mục chứa tệp đã bị cắt, nên ở thư mục gốc chuỗi không còn gạch chéo đầu. Muốn so tên miền, giao thức hay tham số, bạn dùng RewriteCond với các biến %{HTTP_HOST}, %{HTTPS}, %{QUERY_STRING}, %{REQUEST_URI}. Nhóm bắt trong RewriteCond gọi lại bằng %1, nhóm bắt trong RewriteRule gọi lại bằng $1, hai loại có thể cùng xuất hiện ở đích.
Đường dẫn tiếng Việt có dấu là chỗ dễ sai nhất. Trình duyệt gửi chúng dưới dạng mã hoá phần trăm; máy chủ giải mã trước khi so khi dùng đường dẫn chuẩn hoá, nhưng không giải mã nếu bạn so trên chuỗi gốc. Nếu site cũ có đường dẫn có dấu, cách chắc nhất là lấy đúng các dòng trong nhật ký truy cập, thử quy tắc trên chính các chuỗi đó, thay vì gõ tay ký tự có dấu vào tệp cấu hình.
Mẫu khuôn hay gặp khi chuyển site
Các mẫu dưới viết theo cú pháp nginx trong location biểu thức chính quy kèm return; chuyển sang Apache thì bỏ gạch chéo đầu khi đặt trong .htaccess và thêm cờ [R=301,L]. Mỗi dòng một mục, ví dụ giả định.
- Đổi thư mục, giữ phần đuôi: location ~ ^/tin-tuc/(.*)$ { return 301 /bai-viet/$1; }
- Bỏ đuôi .html: location ~ ^/(.+)\.html$ { return 301 /$1; } — nhớ loại trừ tệp .html có thật nếu site còn dùng.
- Đổi thứ tự đoạn đường dẫn, từ /2023/05/ten-bai sang /blog/ten-bai: location ~ "^/\d{4}/\d{2}/([^/]+)/?$" { return 301 /blog/$1; }
- Bỏ tiền tố ngôn ngữ không còn dùng: location ~ ^/vi/(.*)$ { return 301 /$1; }
- Gom mã sản phẩm cũ dạng /sp-123 sang /san-pham/123: location ~ ^/sp-(\d+)$ { return 301 /san-pham/$1; }
Dòng thứ ba có dấu ngoặc kép bao quanh biểu thức. Trong nginx, biểu thức chứa dấu ngoặc nhọn như \d{4} hoặc dấu chấm phẩy bắt buộc phải đặt trong ngoặc kép, nếu không trình phân tích cấu hình hiểu ngoặc nhọn là mở khối và báo lỗi khi chạy lệnh kiểm. Apache không có ràng buộc này, nhưng biểu thức chứa khoảng trắng thì cũng phải đặt trong ngoặc kép.
Đọc từng ký tự một quy tắc thừa kế từ người trước
Người quản trị mới thường nhận một tệp cấu hình có những dòng như RewriteRule ^([a-z]{2})/(?:san-pham|sp)/([^/]+)/?$ /$1/cua-hang/$2 [R=301,L,NC] mà không ai còn nhớ ý nghĩa. Đọc theo thứ tự từ trái sang phải sẽ gỡ được. Ký tự ^ nói rằng chuỗi phải bắt đầu ngay tại đây; vì quy tắc nằm trong .htaccess ở thư mục gốc, không có gạch chéo đầu. Nhóm ([a-z]{2}) bắt đúng hai chữ cái thường, nhiều khả năng là mã ngôn ngữ như vi hoặc en, và đó là $1.
Tiếp theo là một dấu gạch chéo thật, rồi nhóm (?:san-pham|sp): dấu hai chấm sau dấu hỏi biến nó thành nhóm không bắt, nghĩa là chấp nhận san-pham hoặc sp nhưng không chiếm số thứ tự. Nhờ vậy nhóm ([^/]+) phía sau, bắt một đoạn đường dẫn không chứa gạch chéo, mới là $2 chứ không phải $3. Phần /? cho phép có hoặc không gạch chéo cuối, và $ chốt rằng sau đó không còn gì nữa.
Cờ NC cuối dòng làm toàn bộ so khớp không phân biệt hoa thường, nên [a-z] thực tế cũng chấp nhận chữ hoa. Vậy quy tắc này chuyển /vi/sp/ao-thun và /VI/San-Pham/ao-thun/ đều sang /vi/cua-hang/ao-thun, nhưng bản thứ hai sẽ sang /VI/cua-hang/ao-thun vì $1 giữ nguyên chữ hoa. Đọc xong theo cách này, bạn biết ngay quy tắc còn cần hay không, có bắt sót trường hợp nào, và có nên tách thành hai dòng rõ hơn. Hãy ghi ngay phần giải nghĩa thành dòng chú thích phía trên quy tắc cho người sau.
Thử biểu thức trên dữ liệu thật trước khi áp
Một biểu thức trông đúng trên giấy vẫn có thể bắt nhầm vài phần trăm đường dẫn. Cách thử rẻ nhất là chạy nó trên danh sách đường dẫn có thật của site.
- Xuất danh sách đường dẫn cũ: từ sơ đồ trang cũ, từ công cụ quản trị máy tìm kiếm, hoặc lọc cột đường dẫn trong nhật ký truy cập vài tuần gần nhất.
- Lưu thành một tệp, mỗi dòng một đường dẫn, bỏ tham số nếu quy tắc không xét tham số.
- Chạy lệnh lọc dòng với biểu thức giống quy tắc, ví dụ grep -E "^/tin-tuc/" ds-duong-dan.txt, để đếm số dòng bị bắt. Lệnh grep -E dùng cú pháp mở rộng, không có \d, nên thay bằng [0-9] khi thử.
- Chạy thêm lệnh ngược lại với tuỳ chọn -v để xem những dòng không bị bắt, kiểm xem có đường dẫn nào lẽ ra phải bắt mà bị sót.
- Với các dòng bị bắt, dùng sed hoặc một đoạn mã nhỏ thay thế theo biểu thức để in ra cặp cũ – mới, rồi đọc lướt cột mới xem có đích nào vô nghĩa.
- Áp quy tắc lên máy chủ thử với mã 302, chọn ngẫu nhiên vài chục đường dẫn và kiểm bằng curl xem Location có khớp cột mới không.
Công cụ thử biểu thức trực tuyến tiện để học, nhưng chúng không biết máy chủ của bạn so trên chuỗi nào. Bước cuối luôn phải là thử trên máy chủ thật, với đường dẫn thật.
Không phân biệt hoa thường, chữ hoa trong đường dẫn
Mặc định so khớp phân biệt chữ hoa chữ thường. Trong nginx, location dùng ~ là phân biệt, ~* là không phân biệt; trong Apache, thêm cờ [NC] vào RewriteRule hoặc RewriteCond. Khi site cũ từng có đường dẫn gõ lẫn hoa thường, như /Gioi-Thieu, quy tắc không phân biệt hoa thường giúp bắt hết các biến thể mà liên kết bên ngoài còn trỏ tới.
Một nhu cầu khác hay gặp là ép mọi đường dẫn về chữ thường. Đây là việc nên cân nhắc kỹ. nginx không có sẵn hàm đổi chữ thường trong cấu hình chuẩn, phải nhờ mô-đun bổ sung hoặc giao cho ứng dụng. Apache có bảng ánh xạ nội bộ int:tolower dùng qua RewriteMap, nhưng RewriteMap chỉ khai báo được trong cấu hình máy chủ hoặc vhost, không khai báo trong .htaccess. Trên hosting chia sẻ, bạn thường không làm được việc này ở tầng máy chủ.
Nếu chỉ có một nhóm nhỏ đường dẫn viết hoa từng lan ra ngoài, viết quy tắc riêng cho từng cái vẫn đơn giản và an toàn hơn một quy tắc ép chữ thường toàn site. Quy tắc toàn site dễ va chạm với tệp tĩnh có tên viết hoa, mã xác minh, hay tham số phân biệt hoa thường của ứng dụng.
Câu hỏi thường gặp
Nên dùng (.*) hay (.+) để bắt phần đuôi?
Dùng (.*) khi phần đuôi có thể rỗng, ví dụ thư mục /tin-tuc/ không có gì phía sau cũng cần chuyển. Dùng (.+) khi bạn muốn bắt buộc có ít nhất một ký tự, để trang danh sách thư mục được xử lý bằng một quy tắc riêng. Chọn sai thường sinh ra đích có gạch chéo đôi hoặc bỏ sót trang danh sách.
Có thể dùng nhóm bắt có tên thay cho $1 không?
nginx hỗ trợ nhóm bắt có tên theo cú pháp PCRE, gọi lại bằng biến cùng tên, giúp quy tắc dài dễ đọc hơn. Apache trong RewriteRule dùng số thứ tự $1 đến $9. Với quy tắc chuyển hướng ngắn, số thứ tự là đủ; nhóm có tên đáng dùng khi một biểu thức có từ bốn nhóm trở lên.
Biểu thức chính quy có làm máy chủ chậm không?
Một vài chục biểu thức đơn giản không gây chậm đáng kể. Vấn đề chỉ xuất hiện khi có hàng trăm location biểu thức chính quy được xét lần lượt cho mọi yêu cầu, hoặc biểu thức lồng nhiều lặp có thể quay lui rất lâu. Với danh sách lớn các cặp cố định, dùng map hoặc so khớp chính xác thay cho biểu thức.
Vì sao quy tắc có \d chạy trong nginx nhưng thử bằng grep lại không khớp?
Vì grep -E dùng cú pháp biểu thức mở rộng POSIX, không hiểu \d. Khi thử bằng grep, thay \d bằng [0-9], hoặc dùng grep -P nếu bản grep của bạn hỗ trợ cú pháp Perl. Đây chỉ là khác biệt của công cụ thử, không phải lỗi quy tắc.
Có nên viết một biểu thức thật dài bắt mọi trường hợp không?
Không nên. Một biểu thức dài khó đọc, khó thử, và khi sai thì sai trên diện rộng. Chia thành vài quy tắc ngắn, mỗi quy tắc một khuôn rõ ràng, kèm dòng ghi chú, sẽ dễ bảo trì hơn nhiều, và hiệu năng gần như không khác biệt.
Đích chuyển hướng có cần thoát ký tự đặc biệt không?
Phần đích không phải biểu thức chính quy nên dấu chấm, dấu hỏi được hiểu theo nghĩa thường. Chỉ cần cẩn thận với ký tự $ khi muốn viết dấu đô la thật, và trong Apache là các ký tự đặc biệt bị mã hoá lại, như dấu thăng, khi đó dùng cờ NE.