RegEx-Grundlagen für Apache-Regeln

Für .htaccess-Regeln brauchst du keinen vollständigen Kurs in regulären Ausdrücken. Es reicht ein kleiner, klar umrissener Teil der Syntax, und der lässt sich in zwanzig Minuten lernen.

Anker: der wichtigste Teil

Ohne Anker ist ein Muster ein Teilstring-Treffer. Das ist die Ursache für praktisch jede Regel, die zu viel abfängt.

^ bindet an den Anfang, $ an das Ende. In einer RewriteRule ist der Anfang der Pfad ohne führenden Schrägstrich, weil Apache ihn vorher relativ zum Verzeichnis auflöst. In RedirectMatch ist er dagegen mit Schrägstrich. Dasselbe Muster verhält sich in beiden Direktiven also unterschiedlich:

RewriteRule   ^produkte/(.*)$  /shop/$1  [R=301,L]
RedirectMatch 301 ^/produkte/(.*)$  /shop/$1

Zeichenklassen und Quantoren

Der Punkt ist die häufigste Falle. In seite.htm steht er für ein beliebiges Zeichen, das Muster trifft also auch seiteXhtm. Richtig ist seite\.htm.

Praktisches Beispiel für eine Artikel-URL mit numerischer ID:

# archiv-artikel_97_greylisting.htm  ->  /artikel/greylisting/
RewriteRule ^archiv-artikel_(\d+)_([a-z0-9_]+)\.htm$ /artikel/$2/ [R=301,L]

(\d+) fängt die ID, ([a-z0-9_]+) den sprechenden Teil. Beides steht anschliessend als $1 und $2 zur Verfügung.

Gruppen: $1 aus der Regel, %1 aus der Bedingung

Klammern erzeugen eine Gruppe. Woher du sie später holst, hängt davon ab, wo sie stand:

# Gruppe aus der RewriteCond -> %1
RewriteCond %{HTTP_HOST} ^www\.(.+)$ [NC]
RewriteRule ^ https://%1%{REQUEST_URI} [R=301,L,NE]

# Gruppe aus der RewriteRule -> $1
RewriteRule ^blog/(.*)$ /artikel/$1 [R=301,L]

Diese Verwechslung erzeugt keine Fehlermeldung, sondern eine leere Ersetzung. Das Ergebnis ist eine Weiterleitung auf https:///pfad oder ein 500er, je nach Konstellation.

Wenn du eine Gruppe nur zum Zusammenfassen brauchst und nicht referenzieren willst, spart (?:...) den Zähler:

RewriteCond %{HTTP_HOST} ^(?:www\.)?alte-domain\.de$ [NC]

Alternativen und optionale Teile

Der senkrechte Strich trennt Alternativen, das Fragezeichen macht den vorangehenden Teil optional:

# fängt .htm und .html
RewriteRule ^doku_(htaccess|regex|modauth)\.html?$ /apache/htaccess/ [R=301,L]

html? heisst: htm, gefolgt von einem optionalen l. Die Alternativen in der ersten Gruppe sind bewusst aufgezählt statt mit .* erschlagen – so kann die Regel nichts abfangen, was du nicht kennst.

Greedy oder nicht

.* ist gierig und nimmt so viel wie möglich. Bei verschachtelten Pfaden führt das zu falschen Treffern:

# nimmt bei /a/b/c/ alles bis zum letzten Schrägstrich
RewriteRule ^(.*)/(.*)$ ...

# nimmt bei /a/b/c/ nur bis zum ersten
RewriteRule ^([^/]+)/(.*)$ ...

[^/]+ ist in Pfadregeln fast immer die bessere Wahl als .*, weil es an Verzeichnisgrenzen stoppt.

Testen, bevor es live geht

Reguläre Ausdrücke lassen sich ohne Apache prüfen. Für einen schnellen Gegentest reicht grep mit erweiterten Ausdrücken:

# trifft das Muster die erwarteten Alt-URLs - und nur die?
grep -E '^archiv-artikel_[0-9]+_[a-z0-9_]+\.htm$' alt-urls.txt

Nimm dafür die echte Alt-URL-Liste aus Logfile oder Backlink-Export. Ein Muster, das gegen fünf ausgedachte Beispiele funktioniert, sagt wenig über 3.000 gewachsene URLs.