Cómo analizar correctamente las solicitudes HTTP entrantes

Question

He creado una aplicación C++ utilizando WinSck, que tiene un pequeño (maneja solo algunas características que necesito) servidor http implementado. Esto se usa para comunicarse con el mundo exterior usando solicitudes http. Funciona, pero a veces las solicitudes no se manejan correctamente, porque el análisis falla. Ahora estoy bastante seguro de que las solicitudes están formadas correctamente, ya que las envían los principales navegadores web como firefox/chrome o perl/C# (que tienen módulos http/dll).

Después de algunas depuraciones descubrí que el problema está en la recepción del mensaje. Cuando el mensaje viene en más de una parte (no se lee en una llamada recv()), a veces el análisis falla. He pasado por numerosos intentos sobre cómo resolver esto, pero nada parece ser lo suficientemente confiable.

Lo que hago ahora es que leo en los datos hasta que encuentre la secuencia "\r\n\r\n" que indica el final del encabezado. Si WSAGetLastError() informa algo diferente a 10035 (conexión cerrada/fallida) antes de que se encuentre dicha secuencia, descarto el mensaje. Cuando sé que tengo todo el encabezado, lo analizo y busco información sobre la longitud del cuerpo. Sin embargo, no estoy seguro de si esta información es obligatoria (creo que no) y qué debo hacer si no hay tal información, ¿significa que no habrá un cuerpo? Otro problema es que no sé si debo buscar un "\r\n\r\n" después del cuerpo (si su longitud es mayor que cero).

¿Alguien sabe cómo analizar confiablemente un mensaje http?

Nota: sé que hay implementaciones de servidores http por ahí. Quiero lo mío por varias razones. Y sí, reinventar la rueda es malo, eso también lo sé.

Answer 1

Puede intentar ver su código para ver cómo manejan un mensaje HTTP.

O podría mirar the spec, hay message length campos que debe utilizar. Solo los navegadores defectuosos envían CRLF adicionales al final, al parecer.

Answer 2

Si está programado para escribir su propio analizador, tomaría el enfoque Zed Shaw: use el compilador de máquina de estados Ragel y construya su analizador basado en eso. Ragel puede manejar la entrada que llega en trozos, si tiene cuidado.

Honestamente, sin embargo, solo usaría something like this.

Su recurso de acceso debe ser RFC 2616, que describe HTTP 1.1, que puede usar para construir un analizador. ¡Buena suerte!

Answer 3

HTTP GET/HEAD las solicitudes no tienen cuerpo, y la solicitud POST tampoco puede tener cuerpo. Debe verificar si es GET/HEAD, si es así, entonces no tiene contenido (cuerpo/mensaje) enviado. Si fue POST, hazlo como specs say about parsing a message of known/unknown length, como dijo @gbjbaanb.

Answer 4

De todos modos, la solicitud HTTP tiene "\ r \ n \ r \ n" al final de los encabezados de solicitud y antes de los datos de solicitud si los hay, incluso si la solicitud es "GET/HTTP/1.0 \ r \ n \ r \ n ".

Si el método es "POST", debe leer tantos bytes después de "\ r \ n \ r \ n", como se especifica en el campo Content-Length.

Así es pseudocódigo:

read_until(buf, "\r\n\r\n"); 
if(buf.starts_with("POST") 
{ 
    contentLength = regex("^Content-Length: (\d+)$").find(buf)[1]; 
    read_all(buf, contentLength); 
} 

Habrá "\ r \ n \ r \ n" después de que el contenido sólo si el contenido incluye. El contenido puede ser datos binarios, no tiene ninguna secuencia de terminación, y el único método para obtener su tamaño es usar el campo Content-Length.