使用正则表达式解析RL.docVIP

在开发http相关程序时,经常会碰到从网络链接URL中提取协议名、服务器、路径等目标对象，如果仅使用C/C++字符串操作函数，那么则显得有点麻烦且代码不易维护，其实关于文本内容的解析工作，都可优先考虑使用正则表达式库来解决处理，关于C++方面的正则库也有很多种，如atl,pcre,boost等。下面就使用boost中的regex来解析URL提取协议名、服务器、路径为目标说明其用法。???（1）协议名：在URL可有可无，如果有时则后面必跟着://，如果没有，则默认为使用http协议。通常还有其它的协议如https、ssl、ftp、mailto等。因此匹配这一部分的正则表达式应该是(?:(mailto|ssh|ftp|https?)://)?，注意这个表达式本身捕获了协议名，但不包括://。???（2）服务器：这一部分或是名称，如，或是IP，如；另外还可以带端口号，如:8080。关于匹配域名的正则表达式为(?:[a-z0-9](?:[-a-z0-9]*[a-z0-9])?\.)+(?:com|net|edu|biz|gov|org|in(?:t|fo)|(?-i:[a-z][a-z]))，表达式(?:com|net|edu|biz|gov|org|in(?:t|fo)匹配了com,net,edu,biz,gov,org,int,info等常见的域名，而(?-i:[a-z][a-z]