不使用正则表达式解析 HTTP 请求
Posted
技术标签:
【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¶m2=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¶m2=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¶m2=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)。
【讨论】:
【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¶m2 = 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。
【讨论】:
以上是关于不使用正则表达式解析 HTTP 请求的主要内容,如果未能解决你的问题,请参考以下文章