При выполнении URL-кодирования std :: regex_replace не работает должным образом для символа "+" - PullRequest
0 голосов
/ 16 мая 2018

Ниже приведен фрагмент кода, regex_replace не работает должным образом для символа "+", я не должен использовать специальную обработку для символов, но он должен работать правильно.

/*All headerfiles are available.*/



std::string charToHex(unsigned char c, bool bUpperCase);
std::string urlEncode(const std::string& toEncode, bool bEncodeForwardSlash);
std::string getEncodedUrl(const std::string& url){
std::string bktObjKey = "";

std::string urlEnc = url;

boost::regex expression("^(([^:/?#]+):)?(//([^/?#:]*)(:\\d+)?)?([^?#]*)((\\?[^#]*))?(#(.*))?");

std::string::const_iterator start=url.begin(), end = url.end();
boost::match_results<std::string::const_iterator> what;
boost::match_flag_type flags = boost::match_default;
if (regex_search(url.begin(), url.end(), what, expression, flags)) {
  std::cout<<"Matched"<<std::endl;
  bktObjKey.insert(bktObjKey.begin(), what[6].first, what[6].second);

  std::regex fobj(bktObjKey);
  /*std::string fobj = bktObjKey;*/

  /*auto pos = url.find(bktObjKey);*/
  bktObjKey = urlEncode(bktObjKey, false);
  std::cout<<"bktObjKey :"<<bktObjKey.c_str()<<" urlEnc: "<<urlEnc.c_str()<<std::endl;

  urlEnc = std::regex_replace(url, fobj, bktObjKey);
  std::cout<<" urlEnc: "<<urlEnc.c_str()<<std::endl;
}
  return urlEnc;
}
std::string urlEncode(const std::string& toEncode, bool bEncodeForwardSlash)  {
  std::ostringstream out;

  std::cout<<"inside encode"<<std::endl;
  for(std::string::size_type i=0; i < toEncode.length(); ++i) {
    char ch = toEncode.at(i);
    if ((ch >= 'A' && ch <= 'Z') ||
        (ch >= 'a' && ch <= 'z') ||
        (ch >= '0' && ch <= '9') ||
        (ch == '_' || ch == '-' || ch == '~' || ch == '.') ||
        (ch == '/' && !bEncodeForwardSlash)) {
      out << ch;
      std::cout<<out.str()<<" Is not coded to HEX"<<std::endl;
    }
    else {
      out << "%" <<  charToHex(ch, true);
      std::cout<<out.str()<<" Is coded to HEX"<<std::endl;
    }
  }
  std::cout<<"Return :"<<out.str()<<std::endl;
  return out.str();
}

std::string charToHex(unsigned char c, bool bUpperCase) {
  short i = c;
  std::stringstream s;
  s << std::setw(2) << std::setfill('0') << std::hex << i;
  return s.str();
}

int main() {

std::string url1 ="http://10.130.0.36/rbkt10/+";
std::string out1 = getEncodedUrl(url1);
std::cout<<"Encoded URL1=:"<<out1<<std::endl;

return 0;
}

ВЫВОД: Кодированный URL1 =: http://10.130.0.36/rbkt10/%2b+

Таким образом, выходной результат становится "++". Должно быть только "+". Как я могу заставить его работать идеально?

1 Ответ

0 голосов
/ 16 мая 2018
  1. Вы интерпретируете исходную строку как регулярное выражение.+ особенное в регулярных выражениях¹.

    Вы должны просто использовать std::string::replace, потому что вам не нужна функция замены регулярных выражений:

    boost::smatch what;
    if (regex_search(url.cbegin(), url.cend(), what, expression)) {
        boost::ssub_match query = what[6];
        url.replace(query.first, query.second, urlEncode(query.str(), false));
    }
    
  2. Сложный, разбросанный код, подобный этому:image could simply be:

    std::string bktObjKey = what[6].str();
    
  3. Complicated loop

    for (std::string::size_type i = 0; i < toEncode.length(); ++i) {
         char ch = toEncode.at(i);
    

    Could just be

    for (char ch : toEncode) {
    
  4. charToHex creates a new 2-char string everytime, using another stringstream everytime, copying the result out of the stringstream etc. Instead, just write to the stringstream you have and avoid all the inefficiency:

    void writeHex(std::ostream& os, unsigned char c, bool uppercase) {
        os << std::setfill('0') << std::hex;
        if (uppercase) 
            os << std::uppercase;
        os << std::setw(2) << static_cast<int>(c);
    }
    

    Note this also fixes the fact that you forgot to use bUppercase

  5. Look at for help classifying characters.

  6. Use raw literals to write

    boost::regex expression("^(([^:/?#]+):)?(//([^/?#:]*)(:\\d+)?)?([^?#]*)((\\?[^#]*))?(#(.*))?");
    

    instead as:

    boost::regex expression(R"(^(([^:/?#]+):)?(//([^/?#:]*)(:\d+)?)?([^?#]*)((\?[^#]*))?(#(.*))?)");
    

    (no need to doubly escape \d and \?)

  7. Either drop all the redundant sub-groups

    boost::regex expression(R"(^([^:/?#]+:)?(//[^/?#:]*(:\d+)?)?[^?#]*(\?[^#]*)?(#.*)?)");
    

    OR make them maintainable and useful²:

    boost::regex uri_regex(
        R"(^((?[^:/?#]+):)?)"
        R"((?//(\?[^/?#:]*)(:(?\d+))?)?)"
        R"((?[^?#]*))"
        R"((\?(?([^#]*)))?)"
        R"((#(?.*))?)");
    
  8. Now that you have access to logical components of the URI, apply it to know better when and where to encode:

        std::string escaped = 
           what["scheme"].str() + 
           what["authority"].str() +
           urlEncode(what["path"].str(), false);
    
        if (query.matched) {
            escaped += '?';
            escaped.append(urlEncode(query, true));
        }
    
        if (fragment.matched) {
            escaped += '#';
            escaped.append(urlEncode(fragment, true));
        }
    
  9. Make an overload of urlEncode that takes an existing ostream reference instead of always creating your own:

    std::ostringstream out;
    out 

Code After Review

Live On Coliru

#include <boost/regex.hpp>
#include <iostream>
#include <iomanip>

void writeHex(std::ostream& os, unsigned char c, bool uppercase) {
    os << std::setfill('0') << std::hex;
    if (uppercase) 
        os << std::uppercase;
    os << '%' << std::setw(2) << static_cast<int>(c);
}

void urlEncode(std::ostream& os, const std::string &toEncode, bool bEncodeForwardSlash) {
    auto is_safe = [=](uint8_t ch) {
        return std::isalnum(ch) ||
            (ch == '/' && !bEncodeForwardSlash) ||
            std::strchr("_-~.", ch);
    };

    for (char ch : toEncode) {
        if (is_safe(ch))
            os << ch;
        else
            writeHex(os, ch, true);
    }
}

std::string urlEncode(const std::string &toEncode, bool bEncodeForwardSlash) {
    std::ostringstream out;
    urlEncode(out, toEncode, bEncodeForwardSlash);
    return out.str();
}

std::string getEncodedUrl(std::string url) {

    boost::regex uri_regex(
        R"(^((?<scheme>[^:/?#]+):)?)"
        R"((?<authority>//(\?<host>[^/?#:]*)(:(?<port>\d+))?)?)"
        R"((?<path>[^?#]*))"
        R"((\?(?<query>([^#]*)))?)"
        R"((#(?<fragment>.*))?)");

    boost::match_results<std::string::iterator> what;
    //boost::smatch what;
    if (regex_search(url.begin(), url.end(), what, uri_regex)) {
        auto& full     = what[0];
        auto& query    = what["query"];
        auto& fragment = what["fragment"];

        std::ostringstream out;
        out << what["scheme"] << what["authority"];
        urlEncode(out, what["path"], false);

        if (query.matched)
            urlEncode(out << '?', query, true);

        if (fragment.matched)
            urlEncode(out << '#', fragment, true);

        url.replace(full.begin(), full.end(), out.str());
    }
    return url;
}

int main() {
    for (std::string url : { 
            "http://10.130.0.36/rbkt10/+",
            "//10.130.0.36/rbkt10/+",
            "//localhost:443/rbkt10/+",
            "https:/rbkt10/+",
            "https:/rbkt10/+?in_params='please do escape / (forward slash)'&more#also=in/fragment",
            "match inside text http://10.130.0.36/rbkt10/+ is a bit fuzzy",
          }) {
        std::cout << "Encoded URL: " << getEncodedUrl(url) << std::endl;
    }
}

Печать

Encoded URL: http//10.130.0.36/rbkt10/%2B
Encoded URL: //10.130.0.36/rbkt10/%2B
Encoded URL: //localhost%3A443/rbkt10/%2B
Encoded URL: https/rbkt10/%2B
Encoded URL: https/rbkt10/%2B?in_params%3D%27please%20do%20escape%20%2F%20%28forward%20slash%29%27%26more#also%3Din%2Ffragment
Encoded URL: match inside text http//10.130.0.36/rbkt10/%2B%20is%20a%20bit%20fuzzy

ВНИМАНИЕ

Обратите внимание, что код STILL не придерживаетсяк спецификации:

enter image description here

Вот почему вы используете библиотеку вместо этого.


¹(Это приводит к тому, что знак + остается от входа. Он не «повторяется», он просто не заменяется, потому что /+ означает 1 или более /).

² См. https://en.wikipedia.org/wiki/Uniform_Resource_Identifier#Generic_syntax

...