0

我有一个数据包捕获代码，可将 http 有效负载写入文件。现在我想从这些转储中提取 URL 信息。对于每个数据包，有效负载都是这样开始的。

GET /intl/en_com/images/logo_plain.png HTTP/1.1..主机：www.google.co.in..用户代理：Mozilla/5.0

我想提取：

  1. “GET”和“HTTP/1.1”之间的字符串
  2. “Host:”和“User-Agent”之间的字符串

如何在 C 中做到这一点？是否有任何内置的字符串函数？还是正则表达式？

4

2 回答 2

2

C 没有内置的正则表达式，虽然库可用：http://www.arglist.com/regex/，http://www.pcre.org/是我最常看到的两个。

对于这么简单的任务，您无需使用正则表达式即可轻松摆脱困境。如果这些行都小于某个最大长度MAXLEN，则一次只处理一行：

char buf[MAXLEN];
char url[MAXLEN];
char host[MAXLEN];
int state = 0;      /* 0: Haven't seen GET yet; 1: haven't seen Host yet */
FILE *f = fopen("my_input_file", "rb");

if (!f) {
    report_error_somehow();
}

while (fgets(buf, sizeof buf, f)) {
    /* Strip trailing \r and \n */
    int len = strlen(buf);
    if (len >= 2 && buf[len - 1] == '\n' && buf[len - 2] == '\r') {
        buf[len - 2] = 0;
    } else {
        if (feof(f)) {
            /* Last line was not \r\n-terminated: probably OK to ignore */
        } else {
            /* Either the line was too long, or ends with \n but not \r\n. */
            report_error_somehow();
        }
    }

    if (state == 0 && !memcmp(buf, "GET ", 4)) {
        strcpy(url, buf + 4);    /* We know url[] is big enough */
        ++state;
    } else if (state == 1 && !memcmp(buf, "Host: ", 6)) {
        strcpy(host, buf + 6);   /* We know host[] is big enough */
        break;
    }
}

fclose(f);

该解决方案不需要像 KennyTM 的回答那样将整个文件缓冲在内存中（尽管如果您知道文件很小，这很好）。请注意，我们使用fgets()而不是 unsafe gets()，这很容易在长行上溢出缓冲区。

于 2010-01-17T09:56:22.530 回答
1

寻找\r使用strchr（或strstr）的位置。由于字符串GETandHTTP/1.1和Host:是固定长度的，因此可以轻松提取其间路径的索引和位置。

如果你想使用正则表达式，在 POSIX 兼容的系统上有regcomp(3)，但这也很难使用。

于 2010-01-17T09:39:44.003 回答