数据合法性检测

对用户输入的数据进行合法性检查，避免错误非法的数据进入服务，这是业务系统最常见的需求。很可惜 Lua 目前没有特别好的数据合法性检查库。

坦诚我们自己做的也不够好，这里只能抛砖引玉，看看大家是否有更好办法。

我们有这么几个主要的合法性检查场景：

  • JSON 数据格式
  • 关键字段编码为 HEX（0-9，a-f，A-F），长度不定
  • TABLE 内部字段类型

JSON 数据格式

这里主要是 json decode 时，可能抛出异常的问题。我们已经在 json 解析的异常捕获 一章中详细说明了问题本身以及解决方法，这里就不再重复。

关键字段编码为 HEX，长度不定

HEX 编码，最常见的存在有 MD5 值等。他们是由 0-9，A-F（或 a-f）组成。笔者把使用过的代码版本逐一罗列，并进行性能测试。通过这个测试，我们不仅仅可以收获参数校验的正确写法，以及可以再次印证一下效率最高的匹配，应该注意什么。

  1. require "resty.core.regex"
  4. -- 纯 lua 版本，优点是兼容性好，可以适用任何 lua 语言环境
  5. function check_hex_lua( str )
  6.     if "string" ~= type(str) then
  7.         return false
  8.     end
  10.     for i = 1, #str do
  11.         local ord = str:byte(i)
  12.         if not (
  13.             (48 <= ord and ord <= 57) or
  14.             (65 <= ord and ord <= 70) or
  15.             (97 <= ord and ord <= 102)
  16.         ) then
  17.             return false
  18.         end
  19.     end
  20.     return true
  21. end
  23. -- 使用 ngx.re.* 完成，没有使用任何调优参数
  24. function check_hex_default( str )
  25.     if "string" ~= type(str) then
  26.         return false
  27.     end
  29.     return ngx.re.find(str, "[^0-9a-fA-F]") == nil
  30. end
  32. -- 使用 ngx.re.* 完成，使用调优参数 "jo"
  33. function check_hex_jo( str )
  34.     if "string" ~= type(str) then
  35.         return false
  36.     end
  38.     return ngx.re.find(str, "[^0-9a-fA-F]", "jo") == nil
  39. end
  42. -- 下面就是测试用例部分代码
  43. function do_test( name, fun )
  44.     ngx.update_time()
  45.     local start = ngx.now()
  47.     local t = "012345678901234567890123456789abcdefABCDEF"
  48.     assert(fun(t))
  49.     for i=1,10000*300 do
  50.         fun(t)
  51.     end
  53.     ngx.update_time()
  54.     print(name, "\ttimes:", ngx.now() - start)
  55. end
  57. do_test("check_hex_lua", check_hex_lua)
  58. do_test("check_hex_default", check_hex_default)
  59. do_test("check_hex_jo", check_hex_jo)

把上面的源码在 OpenResty 环境中运行，输出结果如下：

  1. ➜  resty test.lua
  2. check_hex_lua   times:1.0390000343323
  3. check_hex_default   times:5.1929998397827
  4. check_hex_jo    times:0.4539999961853

不知道这个结果大家是否有些意外，check_hex_default 的运行效率居然比 check_hex_lua 要差。不过所幸的是我们对正则开启了 jo 参数优化后，速度上有明显提升。

引用一下 ngx.re.* 官方 wiki 的原文：在优化性能时，o 选项非常有用，因为正则表达式模板将仅仅被编译一次，之后缓存在 worker 级的缓存中，并被此 Nginx worker 处理的所有请求共享。缓存数量上限可以通过 lua_regex_cache_max_entries 指令调整。

课后小作业：为什么测试用例中要使用 ngx.update_time() 呢？好好想一想。
课后小作业：在测试用例里面加了一行 require "resty.core.regex"。试试去掉这一行，重新跑下程序。结果怎么样？

TABLE 内部字段类型

当我们接收客户端请求，除了指定字段的特殊校验外，我们最常见的需求就是对指定字段的类型做限制了。比如用户注册接口，我们就要求对方姓名、邮箱等是个字符串，手机号、电话号码等是个数字类型，详细信息可能是个图片又或者是个嵌套的 TABLE。

例如我们接受用户的注册请求，注册接口示例请求 body 如下：

  1. {
  2.     "username":"myname",
  3.     "age":8,
  4.     "tel":88888888,
  5.     "mobile_no":13888888888,
  6.     "email":"***@**.com",
  7.     "love_things":["football", "music"]
  8. }

这时候可以用一个简单的字段描述格式来表达限制关系，如下：

  1. {
  2.     "username":"",
  3.     "age":0,
  4.     "tel":0,
  5.     "mobile_no":0,
  6.     "email":"",
  7.     "love_things":[]
  8. }

对于有效字段描述格式，数据值是不敏感的，但是数据类型是敏感的，只要数据类型能匹配，就可以让我们轻松不少。

来看下面的参数校验代码以及基本的测试用例：

  1. function check_args_template(args, template)
  2.     if type(args) ~= type(template) then
  3.       return false
  4.     elseif "table" ~= type(args) then
  5.       return true
  6.     end
  8.     for k,v in pairs(template) do
  9.       if type(v) ~= type(args[k]) then
  10.         return false
  11.       elseif "table" == type(v) then
  12.         if not check_args_template(args[k], v) then
  13.           return false
  14.         end
  15.       end
  16.     end
  18.     return true
  19. end
  21. local args = {name="myname", tel=888888, age=18,
  22.     mobile_no=13888888888, love_things = {"football", "music"}}
  24. print("valid   check: ", check_args_template(args, {name="", tel=0, love_things={}}))
  25. print("unvalid check: ", check_args_template(args, {name="", tel=0, love_things={}, email=""}))

运行一下上面的代码，结果如下：

  1. ➜  resty test.lua
  2. valid   check: true
  3. unvalid check: false

可以看到，当我们业务层面需要有 email 地址但是请求方没有上送，这时候就能检测出来了。大家看到这里也许会笑，尤其是从其他成熟 web 框架中过来的同学，我们这里的校验可以说是比较粗糙简陋的，很多开源框架中的参数限制，都可以做到更加精确的限制。

如果你有更好更优雅的解决办法，欢迎与我们联系。