如何用boost::spirit编写兼容IPv4与IPv6的URL解析器？

核心问题在于冒号同时作为IPv6地址分隔符和IPv4端口分隔符带来的歧义。原代码的host规则贪婪匹配所有包含冒号的字符，导致IPv4的端口被误纳入host部分。我们可以通过拆分host规则，区分不同类型的主机地址来解决这个问题。

修正后的代码 #

#include <boost/spirit/include/qi.hpp>
#include <boost/fusion/include/adapt_struct.hpp>
#include <string>

struct UrlParts
{
    std::string scheme;
    std::string host;
    std::string port;
    std::string path;
};

BOOST_FUSION_ADAPT_STRUCT(
    UrlParts,
    (std::string, scheme)
    (std::string, host)
    (std::string, port)
    (std::string, path)
)

void parseUrl_BoostSpirit(const std::string &input, std::string &prefix, std::string &suffix, std::string &host)
{
    namespace qi = boost::spirit::qi;

    // 定义各部分规则
    qi::rule<std::string::const_iterator, std::string()> scheme_part = -(+qi::char_("a-zA-Z0-9+-.") >> "://");
    
    // 带括号的IPv6主机：捕获括号内的内容
    qi::rule<std::string::const_iterator, std::string()> bracketed_ipv6_host = 
        qi::omit['['] >> +qi::char_("a-fA-F0-9:.") >> qi::omit[']'];
    
    // 不带括号的IPv6主机：匹配包含冒号的序列，直到遇到斜杠或结束
    qi::rule<std::string::const_iterator, std::string()> unbracketed_ipv6_host = 
        +qi::char_("a-fA-F0-9:.") >> &(qi::lit('/') | qi::eoi);
    
    // IPv4主机：匹配数字和点，遇到冒号加数字（端口）则停止
    qi::rule<std::string::const_iterator, std::string()> ipv4_host = 
        +qi::char_("0-9.") >> !(qi::lit(':') >> +qi::digit) | +qi::char_("0-9.");
    
    // 主机规则：优先匹配带括号的IPv6，再是不带括号的IPv6，最后是IPv4
    qi::rule<std::string::const_iterator, std::string()> host_part = 
        bracketed_ipv6_host | unbracketed_ipv6_host | ipv4_host;
    
    qi::rule<std::string::const_iterator, std::string()> port_part = -(qi::lit(':') >> +qi::digit);
    qi::rule<std::string::const_iterator, std::string()> path_part = *qi::char_;

    // 主URL规则
    qi::rule<std::string::const_iterator, UrlParts()> url = 
        scheme_part >> host_part >> port_part >> path_part;

    // 解析输入
    UrlParts parts;
    auto iter = input.begin();
    if (qi::parse(iter, input.end(), url, parts))
    {
        prefix = parts.scheme.empty() ? "" : parts.scheme + "://";
        host = parts.host;
        suffix = (parts.port.empty() ? "" : ":" + parts.port) + parts.path;
    }
    else
    {
        host = input;
    }
}

关键改进说明 #

1. 拆分主机规则：将host分为三个子规则，分别处理带括号的IPv6、不带括号的IPv6和IPv4，通过优先级（带括号IPv6优先）避免歧义。
2. 带括号IPv6处理：使用qi::omit忽略括号，仅捕获括号内的地址作为host。
3. 不带括号IPv6处理：通过前瞻断言&(qi::lit('/') | qi::eoi)确保只匹配到斜杠或字符串结束，避免将后续的端口冒号误判为IPv6的一部分。
4. IPv4处理：使用否定前瞻!(qi::lit(':') >> +qi::digit)确保遇到端口分隔符时停止匹配host，正确区分主机地址和端口。

这样修改后，即可同时正确处理你给出的三种URL格式，无需依赖if-else逻辑，完全利用Boost.Spirit的语法解析能力实现优雅的解决方案。

内容的提问来源于stack exchange，提问作者Aditya Sharma