¿Mejores formas de analizar una URL usando C?

Question

que tienen una URL como esta:

http://192.168.0.1:8080/servlet/rece 

Quiero analizar la URL para obtener los valores:

IP: 192.168.0.1 
Port: 8080 
page: /servlet/rece 

¿Cómo se hace eso?

Answer 1

Escriba un analizador personalizado o use una de las funciones de reemplazo de cadenas para reemplazar el separador ':' y luego use sscanf().

Answer 2

Con un regular expression si quieres de la manera más fácil. De lo contrario, use FLEX/BISON.

También es posible usar un URI parsing library

Answer 3

I writed un simple sscanf uso de códigos. Quiero tener una forma básica de analizarlo.

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" 

Answer 4

Personalmente, me roban el módulo HTParse.cfrom the W3C (se utiliza en el navegador Web lynx, por ejemplo). A continuación, puede hacer cosas como:

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

Lo importante acerca del uso de una biblioteca bien establecida y depurado es que no caigan en las típicas trampas de análisis de URL (muchas expresiones regulares fallan cuando el huésped es una Dirección IP, por ejemplo, especialmente una IPv6).

Answer 5

Este tiene un tamaño reducido y funcionó excelente para mí http://draft.scyphus.co.jp/lang/c/url_parser.html. Solo dos archivos (* .c, * .h).
Tuve que adaptar el código [1].

[1] cambiar todas las llamadas de función de http_parsed_url_free (puntilla) para parsed_url_free (puntilla)

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

Answer 6

Este C GIST podría ser útil. Implementa una solución C pura con sscanf.

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

Utiliza

// 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;} 
(...) 

Answer 7

Puede ser tarde, ... lo que he utilizado, es - la función http_parser_parse_url() y las macros necesarias separadas hacia fuera de Joyent/HTTP parser lib - que funcionaba bien, ~600 LOC.