如何正确解析传入的HTTP请求

Question

我使用 WinSck 创建了一个 C++ 应用程序，它实现了一个小型（仅处理我需要的一些功能）http 服务器。这用于使用 http 请求与外界进行通信。它可以工作，但有时请求无法正确处理，因为解析失败。现在我非常确定请求的格式正确，因为它们是由 firefox/chrome 或 perl/C#（具有 http 模块/dll）等主要 Web 浏览器发送的。

经过一些调试，我发现问题实际上是在接收消息时。当消息不止一部分时（不是在一次

recv()

调用中读取），有时解析会失败。我已经尝试了很多次来解决这个问题，但似乎没有什么足够可靠的。

我现在所做的是读入数据，直到找到指示标头结束的

"\r\n\r\n"

序列。如果在找到这样的序列之前

WSAGetLastError()

报告除 10035（连接关闭/失败）以外的其他内容，我会丢弃该消息。当我知道我拥有整个标头时，我会解析它并查找有关主体长度的信息。但是我不确定这些信息是否是强制性的（我认为不是），如果没有此类信息我该怎么办 - 这是否意味着不会有尸体？另一个问题是我不知道是否应该在主体后面寻找

"\r\n\r\n"

（如果它的长度大于零）。

有人知道如何可靠地解析http消息吗？

注意：我知道有 http 服务器的实现。由于各种原因我想要自己的。是的，重新发明轮子是不好的，我也知道。

Answer 1

如果您决定编写自己的解析器，我会采用 Zed Shaw 方法：使用 Ragel 状态机编译器并基于此构建您的解析器。如果你小心的话，Ragel 可以处理成块的输入。

老实说，我只是使用类似这样的东西。

您的首选资源应该是 RFC 2616，它描述了 HTTP 1.1，您可以使用它来构建解析器。祝你好运！

Answer 2

您可以尝试查看他们的代码，看看他们如何处理 HTTP 消息。

或者您可以查看规范，您应该使用消息长度字段。显然，只有有问题的浏览器才会在最后发送额外的 CRLF。

Answer 3

无论如何，HTTP 请求有“ ” 位于请求标头末尾和请求数据之前（如果有），即使请求是“GET / HTTP/1.0 ”.

如果方法是“POST”，您应该在“之后读取尽可能多的字节” “，如内容长度字段中所指定。

所以伪代码是：

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

会有“ " 仅当内容包含它时才在内容之后。内容可以是二进制数据，它没有任何终止序列，获取其大小的一种方法是使用 Content-Length 字段。

Answer 4

HTTP

GET

/

HEAD

请求没有正文，

POST

请求也可以没有正文。您必须检查它是否是

GET

/

HEAD

，如果是，则您没有发送任何内容（正文/消息）。如果它是

POST

，请按照 规范中关于解析已知/未知长度的消息的说明进行操作，如 @gbjbaanb 所说。