Лучшие способы анализа URL с помощью C?

Ответ 1

Напишите собственный анализатор или используйте одну из функций замены строк, чтобы заменить разделитель ':', а затем используйте sscanf().

Ответ 2

Лично я украл модуль HTParse.c из W3C (он используется в lynx Веб-браузер, например). Затем вы можете делать такие вещи, как:

 strncpy(hostname, HTParse(url, "", PARSE_HOST), size)

Важная вещь в использовании хорошо зарекомендовавшей себя и отлаженной библиотеки состоит в том, что вы не попадаете в типичную ловушки синтаксического анализа URL (много регулярных выражений терпят неудачу, если хост является IP-адресом, например, специально для IPv6).

Ответ 3

С регулярное выражение, если вам нужен простой способ. В противном случае используйте FLEX/BISON.

Вы также можете использовать библиотеку разбора URI

Ответ 4

Я просил простой код использовать sscanf. Я хочу иметь базовый способ разбора.

cat urlparse.c
#include <stdio.h>

int main(void)
{
    const char text[] = "http://192.168.0.2:8888/servlet/rece";
    char ip[100];
    int port = 80;
    char page[100];
    sscanf(text, "http://%99[^:]:%99d/%99[^\n]", ip, &port, page);
    printf("ip = \"%s\"\n", ip);
    printf("port = \"%d\"\n", port);
    printf("page = \"%s\"\n", page);
    return 0;
}

./urlparse
ip = "192.168.0.2"
port = "8888"
page = "servlet/rece"

Ответ 5

Может быть, поздно,... то, что я использовал, - это функция http_parser_parse_url() и требуемые макросы, выделенные из Joyent/HTTP parser lib - это сработало, ~600 ЛОК.

Ответ 6

Этот уменьшил размер и отлично работал у меня http://draft.scyphus.co.jp/lang/c/url_parser.html. Всего два файла (*.c, *.h). Мне пришлось адаптировать код [1].

[1] Измените все вызовы функций с http_parsed_url_free (purl) на parsed_url_free (purl)

   //Rename the function called
   //http_parsed_url_free(purl);
   parsed_url_free(purl);

Ответ 7

Это может быть полезно. Он реализует чистое решение C с помощью sscanf.

https://github.com/luismartingil/per.scripts/tree/master/c_parse_http_url

Он использует

// Parsing the tmp_source char*
if (sscanf(tmp_source, "http://%99[^:]:%i/%199[^\n]", ip, &port, page) == 3) { succ_parsing = 1;}
else if (sscanf(tmp_source, "http://%99[^/]/%199[^\n]", ip, page) == 2) { succ_parsing = 1;}
else if (sscanf(tmp_source, "http://%99[^:]:%i[^\n]", ip, &port) == 2) { succ_parsing = 1;}
else if (sscanf(tmp_source, "http://%99[^\n]", ip) == 1) { succ_parsing = 1;}
(...)

Ответ 8

Я написал это

#include <stdio.h>
#include <string.h>
#include <stdlib.h>
#include <ctype.h>
typedef struct
{
    const char* protocol = 0;
    const char* site = 0;
    const char* port = 0;
    const char* path = 0;
} URL_INFO;
URL_INFO* split_url(URL_INFO* info, const char* url)
{
    if (!info || !url)
        return NULL;
    info->protocol = strtok(strcpy((char*)malloc(strlen(url)+1), url), "://");
    info->site = strstr(url, "://");
    if (info->site)
    {
        info->site += 3;
        char* site_port_path = strcpy((char*)calloc(1, strlen(info->site) + 1), info->site);
        info->site = strtok(site_port_path, ":");
        info->site = strtok(site_port_path, "/");
    }
    else
    {
        char* site_port_path = strcpy((char*)calloc(1, strlen(url) + 1), url);
        info->site = strtok(site_port_path, ":");
        info->site = strtok(site_port_path, "/");
    }
    char* URL = strcpy((char*)malloc(strlen(url) + 1), url);
    info->port = strstr(URL + 6, ":");
    char* port_path = 0;
    char* port_path_copy = 0;
    if (info->port && isdigit(*(port_path = (char*)info->port + 1)))
    {
        port_path_copy = strcpy((char*)malloc(strlen(port_path) + 1), port_path);
        char * r = strtok(port_path, "/");
        if (r)
            info->port = r;
        else
            info->port = port_path;
    }
    else
        info->port = "80";
    if (port_path_copy)
        info->path = port_path_copy + strlen(info->port ? info->port : "");
    else 
    {
        char* path = strstr(URL + 8, "/");
        info->path = path ? path : "/";
    }
    int r = strcmp(info->protocol, info->site) == 0;
    if (r && info->port == "80")
        info->protocol = "http";
    else if (r)
        info->protocol = "tcp";
    return info;
}

Тестовое задание

int main()
{
    URL_INFO info;
    split_url(&info, "ftp://192.168.0.1:8080/servlet/rece");
    printf("Protocol: %s\nSite: %s\nPort: %s\nPath: %s\n", info.protocol, info.site, info.port, info.path);
    return 0;
}

Из

Protocol: ftp
Site: 192.168.0.1
Port: 8080
Path: /servlet/rece

Ответ 9

Libcurl теперь имеет curl_url_get() которая может извлекать хост, путь и т.д.

Пример кода: https://curl.haxx.se/libcurl/c/parseurl.html

/* extract host name from the parsed URL */ 
uc = curl_url_get(h, CURLUPART_HOST, &host, 0);
if(!uc) {
  printf("Host name: %s\n", host);
  curl_free(host);
}