在开发 Proxy 代理服务的过程中，用到了 Boost.URL 解析，因一次非标准的 URL 无法解析而出错，于是稍研究了一下 Boost.URL 设计，便决定通过 Boost.URL 定制一个简化的解析，Boost.URL 的设计非常优秀，只需要简单的实现一个符合规则的 Rule 就可以定制自己的解析器了，下面是我使用的代码示例：
constexpr auto alpha = boost::urls::grammar::alpha_chars;
constexpr auto digit = boost::urls::grammar::digit_chars;
constexpr auto scheme_chars = boost::urls::grammar::lut_chars("+-.") + alpha + digit;
// scheme, user, passwd, host, port, resource
using url_info = std::tuple<
std::string_view, // scheme
std::string_view, // user
std::string_view, // passwd
std::string_view, // host
uint16_t, // port
std::string_view // resource (including the leading '/')
>;
struct urlinfo_rule_t
{
using value_type = url_info;
boost::system::result<value_type> parse(char const*& it, char const* const end) const noexcept
{
std::string_view scheme, user, passwd, host, port, resource;
char const* start = it;
// 匹配 scheme: 字母开头，后跟字母、数字、+、-、.
auto scheme_res = boost::urls::grammar::parse(it, end,
boost::urls::grammar::token_rule(scheme_chars));
if (!scheme_res)
return boost::urls::grammar::error::invalid;
scheme = *scheme_res;
uint16_t port_num = boost::urls::default_port(boost::urls::string_to_scheme(scheme));
// 匹配 "://"
auto r = boost::urls::grammar::parse(it, end,
boost::urls::grammar::literal_rule("://"));
if (!r)
return boost::urls::grammar::error::invalid;
// 尝试解析 authority 部分，包括可选的用户信息和host和port信息.
// authority = [ userinfo "@" ] host [ ":" port ]
// authority 部分结束于第一个 '/' 或字符串结尾, 因此我们需要首先找到这个位置.
// 计算 authority 部分的结束位置.
char const* authority_start = it;
char const* authority_end = it;
while (authority_end < end && *authority_end != '/')
++authority_end;
// 确保 authority 部分不为空.
if (authority_start == authority_end)
return boost::urls::grammar::error::invalid;
std::string_view authority(authority_start, authority_end - authority_start);
// 解析 authority 部分, 如果有用户信息(包含’@‘则表示有用户信息), 则提取用户和密码.
char const* host_start = authority_start;
auto found = authority.find_first_of("@");
if (found != std::string_view::npos)
{
host_start = authority_start + found + 1;
char const* user_start = authority_start;
char const* user_end = authority_start + found;
user = std::string_view(user_start, user_end - user_start);
found = user.find_first_of(":");
if (found != std::string_view::npos)
{
char const* passwd_start = user_start + found + 1;
char const* passwd_end = user_end;
passwd = std::string_view(passwd_start, passwd_end - passwd_start);
user_end = user_start + found;
user = std::string_view(user_start, user_end - user_start);
}
}
// 解析 host 和 port
char const* host_end = authority_end;
host = std::string_view(host_start, host_end - host_start);
found = host.find_first_of(":");
if (found != std::string_view::npos)
{
char const* port_start = host_start + found + 1;
char const* port_end = host_end;
port = std::string_view(port_start, port_end - port_start);
if (!port.empty())
{
try {
port_num = static_cast<uint16_t>(std::stoul(std::string(port)));
}
catch (...) {
return boost::urls::grammar::error::invalid;
}
}
host_end = host_start + found;
host = std::string_view(host_start, host_end - host_start);
}
// 解析 resource 部分, 包括路径和查询参数和所有参数.
resource = std::string_view(authority_end, end - authority_end);
// 移动迭代器到末尾.
it = end;
return url_info{ scheme, user, passwd, host, port_num, resource };
}
};
// 规则实例
constexpr urlinfo_rule_t urlinfo_rule{};
// parse_urlinfo 返回解析的 url_info 信息
// 如果失败，则错误信息包含在 boost::system::result 的 error 中
boost::system::result<url_info> parse_urlinfo(std::string_view s) noexcept
{
return boost::urls::grammar::parse(s, urlinfo_rule);
};
在上面代码中，定义了 urlinfo_rule_t 这个类，并使用 using 设定其 value_type = url_info，这样解析后的结果将返回一个 boost::system::result<url_info> 的类型，而在上面我的 url_info 定义仅仅是简单的几个 std::string_view 的结构体。
然后就是实现 urlinfo_rule_t 的 parse 解析部分，这部分会相对复杂一点，除了自己通过迭代器指针解析之外，Boost.URL 也提供了一些 grammar 抽象概念，通过这些概念，甚至可以嵌套其它解析器组合起来实现想要的解析器，最后通过定制的函数 parse_urlinfo 来调用定制的 Rule 的解析器工作。
Boost.URL 严格按 RFC3986 规范编写，所以如果一些浏览器中能使用的 URL 通过 Boost.URL 未必能解析，这是因为浏览器是根据更宽松的名叫 WHATWG URL Standard 的 URL 规范，不得不说 web 相关的领域很多规范实在是太乱糟糟了。
最后必须称赞 Boost.URL 是相当不错的设计。