url截取问题

liqingfang

最近老遇到字符串url的截取问题，也没有一个比较好的解决算法，只能对具体的问题具体分析，贴出来，看大家有没有比较好解决方案，牛人指点！哈哈

有客户端会发向服务端发送类似的url

   http://212.22.34.5/meili.php
   http://34.89.90.2:40440/kuaile/hao123/haha.php
   http://89.89.0.34
   http://www.baidu.com/shenghuo/lehelehe.php
   http://news.sina.com/country/news.html

   服务端的工作就是将这些url 中的ip地址截取下来，212.22.34.5，34.89.90.2（不要端口号），89.89.0.34，对于域名的url，只输出一级域名即：baidu.com，sina.com

   我是对‘/’进行的截取，还有处理一些特殊的情况，如第三个url，问问大家是否有好的算法？  waiting...

JCheung

不是必须用C的话，Perl正则就搞定了。

liqingfang

回复 2# JCheung


    这是服务端的程序，需要高性能，尽量用C ，C++,Perl不熟，perl怎么实现？

starwing83

需要多高的性能？你自己写的在某些情况下性能未必就比perl的正则快……

liqingfang

回复 4# starwing83


    perl的正则,能写几句样例代码吗》

peidright

1.
get the exp,
and then chang the exp to NFA , change the NFA to  DFA.....

2. find the first ".",
    find the last "/", if not existed, then it is the and.
   then we got the   .*****/
   then you just try to identfy it is a ip or  others.

greensnow

首先你得搞懂url的语法...你才有可能写出正确的算法
http://tools.ietf.org/html/rfc3986

liqingfang

回复 7# greensnow

  那我最开始的思路是否正确呢，有没有较好的？谢谢！

PKkingSon

你这不就是要拿http的Hosts么

PKkingSon

wireshark玩这个很溜，给你放个shell

1. 
   
2. #!/bin/sh
   
3. 
   
4. #Flydragon ipv6china@comsenz.com
   
5. 
   
6. export PATH=$PATH:/usr/local/php/bin
   
7. 
   
8. capdir=`pwd`
   
9. 
   
10. while :;
    
11. 
    
12. do
    
13. 
    
14. TMPDIR=$capdir tshark -n -t a -c 100000 -R 'http.request.uri ' -T fields  -e "ip.src" -e "http.request.method" -e "http.host"
    
15. 
    
16. 
    
17.    rm -f $capdir/ether*
    
18. 
    
19.       sleep 1
    
20. 
    
21. done
    

复制代码

脚本需要安装 wireshark
centos上 yum -y install wireshark
debian系 apt-get install tshark