不使用正则表达式解析 HTTP 请求

Posted 2023-02-22

【中文标题】不使用正则表达式解析 HTTP 请求

【英文标题】：Parse HTTP request without using regexp

【发布时间】：2015-02-01 21:37:48

【问题描述】：

我正在使用正则表达式来分隔 HTTP 请求的字段：

GET /index.asp?param1=hello&param2=128 HTTP/1.1

这边：

smatch m;
try 
 
    regex re1("(GET|POST) (.+) HTTP"); 
    regex_search(query, m, re1); 
 
catch (regex_error e) 
 
    printf("Regex 1 Error: %d\n", e.code()); 

string method = m[1]; 
string path = m[2];

try 
 
    regex re2("/(.+)?\\?(.+)?"); 
    if (regex_search(path, m, re2)) 
     
        document = m[1]; 
        querystring = m[2];
    
 
catch (regex_error e) 
 
    printf("Regex 2 Error: %d\n", e.code()); 

不幸的是，此代码在 MSVC 中有效，但不适用于 GCC 4.8.2（我在 Ubuntu Server 14.04 上拥有）。您能否建议一种使用普通 std::string 运算符拆分该字符串的不同方法？

由于查询字符串分隔符“？”，我不知道如何将 URL 拆分为不同的元素。字符串中可能出现也可能不出现。

【问题讨论】：

您可以考虑使用 boost 正则表达式库 (boost.org/doc/libs/1_57_0/libs/regex/doc/html/index.html)

请提供更多信息。如果（您提到的）查询字符串分隔符丢失，您的代码将无法工作。那么两个平台上的输入是什么？ @Christophe：总是指向 boost 可能并不总是一个好的提示。

@St0fF 对不起，但他的代码可以工作：我将它剪切并粘贴到 MSVC2013 并得到了预期的结果（method="GET", document="index.asp", queerrystring="param1=你好&param2=128")

@MarkMiles 你能告诉我们什么不起作用吗？我在 ideone (ideone.com/QZqQM1) 上测试了您的代码，它还返回了正确的结果（使用 gcc 4.9.2）

正如我在帖子中所写：“不幸的是，此代码在 MSVC 中有效，但不适用于 GCC 4.8.2”。它必须在 Ubuntu 14.04 上运行。如果我这样做 #gcc --version 它说它是 4.8.2 但如果我这样做 apt search gcc-4.9 我得到 gcc-4.9-base/trusty,now 4.9-20140406-0ubuntu1 armhf [installed] GCC, the GNU Compiler Collection (base package) 所以我不知道如何更新我的 gcc。

【参考方案1】：

你可以使用std::istringstream 来解析这个：

int main()

    std::string request = "GET /index.asp?param1=hello&param2=128 HTTP/1.1";

    // separate the 3 main parts

    std::istringstream iss(request);

    std::string method;
    std::string query;
    std::string protocol;

    if(!(iss >> method >> query >> protocol))
    
        std::cout << "ERROR: parsing request\n";
        return 1;
    

    // reset the std::istringstream with the query string

    iss.clear();
    iss.str(query);

    std::string url;

    if(!std::getline(iss, url, '?')) // remove the URL part
    
        std::cout << "ERROR: parsing request url\n";
        return 1;
    

    // store query key/value pairs in a map
    std::map<std::string, std::string> params;

    std::string keyval, key, val;

    while(std::getline(iss, keyval, '&')) // split each term
    
        std::istringstream iss(keyval);

        // split key/value pairs
        if(std::getline(std::getline(iss, key, '='), val))
            params[key] = val;
    

    std::cout << "protocol: " << protocol << '\n';
    std::cout << "method  : " << method << '\n';
    std::cout << "url     : " << url << '\n';

    for(auto const& param: params)
        std::cout << "param   : " << param.first << " = " << param.second << '\n';

输出：

protocol: HTTP/1.1
method  : GET
url     : /index.asp
param   : param1 = hello
param   : param2 = 128

【讨论】：

我接受这个作为答案，因为也解决了我拆分查询字符串的问题，谢谢！

【参考方案2】：

它不能与 gcc 4.8.2 一起工作的原因是 regex_search 没有在 stdlibc++ 中实现。如果您查看regex.h 内部，您会得到以下信息：

template<typename _Bi_iter, typename _Alloc,
    typename _Ch_type, typename _Rx_traits>
inline bool
regex_search(_Bi_iter __first, _Bi_iter __last,
        match_results<_Bi_iter, _Alloc>& __m,
        const basic_regex<_Ch_type, _Rx_traits>& __re,
        regex_constants::match_flag_type __flags
        = regex_constants::match_default)
 return false; 

改用regex_match，它已实现。您必须修改您的正则表达式（例如，在之前和之后添加 .*），因为 regex_match 匹配整个字符串。

替代方案：

升级到 gcc 4.9 改用 boost::regex 切换到 LLVM 和 libc++（我的偏好）。

【参考方案3】：

如果你想避免使用正则表达式，你可以使用标准的字符串操作：

string query = "GET / index.asp ? param1 = hello&param2 = 128 HTTP / 1.1";
string method, path, document, querystring;

try 
    if (query.substr(0, 5) == "GET /")   // First check the method at the beginning 
        method = "GET";
    else if (query.substr(0, 6) == "POST /")
        method = "POST";
    else  throw std::exception("Regex 1 Error: no valid method or missing /");

    path = query.substr(method.length() + 2);  // take the rest, ignoring whitespace and slash
    size_t ph = path.find(" HTTP");     // find the end of the url
    if (ph == string::npos)            // if it's not found => error
        throw std::exception("Regex 2 Error: no HTTP version found");
    else path.resize(ph);             // otherwise get rid of the end of the string 

    size_t pq = path.find("?");      // look for the ? 
    if (pq == string::npos)         // if it's absent, document is the whole string
        document = path;
        querystring = "";
    
    else                           // orherwie cut into 2 parts 
        document = path.substr(0, pq);
        querystring = path.substr(pq + 1);
    

    cout << "method:     " << method << endl
        << "document:   " << document << endl
        << "querystring:" << querystring << endl;

catch (std::exception &e) 
    cout << e.what();

当然，这段代码不如你原来的正则表达式基代码那么好。因此，如果您不能使用最新版本的编译器，这将被视为一种解决方法。