C 中网络服务器的非 ASCII 字符答案

【问题标题】：Non-ASCII characters for a webserver in CC 中网络服务器的非 ASCII 字符
【发布时间】：2021-08-07 20:12:10
【问题描述】：

我目前正在做一个用 C 编程的 Web 服务器。目前我正在努力，因为我不知道如何很好地管理非 ASCII 字符。我的意思是：

假设我将在导航栏中输入：localhost:8080/ñndex.html

我需要的是正确处理路径。如果我打印如何在服务器中获取它，我会得到

%C3%B1ndex.html

没关系，我得到了 UTF-8 中的一种表示形式（我的意思是我只得到 C3 和 B1）。但问题是如何将其转换为类似

\xC3\xB1ndex.html

这样我就可以处理它并将文件ñndex.html提供给客户。

【问题讨论】：

我投票决定重新打开，因为问题略有不同。另一个想要解码一个已经解析出来的组件，而这个想要从 HTTP 请求的“路径”组件中获取路径。循环终止是不同的，如果你盲目解码然后寻找'？你的代码有一个微妙的错误。

标签： c

【解决方案1】：

别太聪明。这本身就足够短以至于它不需要库，但足够复杂以至于我们必须小心地把它做好。另一方面，我并不是要你不要使用图书馆。如果你想用一个，就用一个。但图书馆购物是题外话。

这是一个从 URL 中提取路径（并且仅是路径）的例程。

我习惯于将参数传递给仍然完全编码的服务器脚本并让脚本处理解码，因此要提取脚本部分，请在 ?和可选的#。这是微不足道的。（# 真的不应该在那里，但我以前见过愚蠢的东西。）

static int hexdigit(char c)
{
    return (c >= '0' && c <= '9')
        ? c - '0'
        : (c >= 'A' && c <= 'F')
            ? c - 'A' + 10
            : (c >= 'a' && c <= 'f')
               ? c - 'a' + 10
               : -1;
}

/* returns NULL on any error; check errno */
char *get_path(const char *url)
{
    size_t pathlen = 0;
    const char *s;
    while (*s = url; *s && *s != '?' && *s != '#') {
        ++pathlen;
        if (*s == '%') {
            if (hexdigit(s[1]) < 0 || hexdigit(s[2]) < 0) {
                  errno = EINVAL;
                  return NULL;
            }
            s += 2;
        }
        ++pathlen;
        ++s;
    }
    char *path == malloc(pathlen + 1);
    if (!path) return NULL;
    char *t = path;
    while (*s = url; *s && *s != '?' && *s != '#') {
        if (*s == '%') {
            *t = (hexdigit(s[1]) << 4) + hexdigit(s[2]);
            s += 3;
        } else if (s == '+')
            *t++ = ' ';
            ++s;
        } else {
            *t++ = *s++;
        }
    }
    *t = 0;
    return path;
}

在 C 中的标准工作方式：我们进行两遍，第一遍验证输入，找到终点并测量所需的输出空间，第二遍生成输出。

【讨论】：