如何使用正则表达式解析SIP消息的多行头？ [英] How to parse multi-line headers of SIP message using regex?
问题描述
我试图提取标记从来自：一个SIP消息的标题
我的正则表达式： ^（来源：| F：）（（\\\\ \\\\ñW）？！）* [] *标记[] * = [] *（[[： alnum：]] *）
RFC 3261允许多行头。这个新行应该以一个空格开始。可是我不得不与多行头的一个问题。如果标记是一个新行，我正则表达式是行不通的。
例正确的SIP消息：
邀请SIP：13@10.10.1.13 SIP / 2.0
途经：SIP / 2.0 / UDP 10.10.1.99:5060;branch=z9hG4bK343bf628;rport
联系方式：其中，SIP：15@10.10.1.99>
呼叫ID：326371826c80e17e6cf6c29861eb2933@10.10.1.99
这个Cseq：102 INVITE
用户代理：的Asterisk PBX
马克斯 - 前锋：70
日期：周三2009 GMT 14时12分45秒12月6日
允许：INVITE，ACK，CANCEL，OPTIONS，BYE，REFER，SUBSCRIBE，NOTIFY
支持单位：替换
内容类型：应用/ SDP
内容长度：258
来源：测试15＆LT; SIP：15@10.10.1.99>
;标签= fromtag
要：其中，SIP：13@10.10.1.13> ;;标签= totagV = 0
O =根1821 1821 IN IP4 10.10.1.99
S =会话
c = IN IP4 10.10.1.99
T = 0 0
M =音频11424 RTP / AVP 0 8 101
一个= rtpmap：0 PCMU / 8000
一个= rtpmap：8 PCMA / 8000
一个= rtpmap：101电话事件/ 8000
A = FMTP：101 0-16
A = silenceSupp：关闭 - - - -
A =分组时间：20
A = SENDRECV
我怎样才能正确分析多行头？先谢谢了。
我第二次使用运动/生成正确的解析器。
有什么在一个单独的步骤解析头阻止你，但你仍然可以指定声明语法，这是主要的点。
在这里最好的部分确实
- 声明风格使其更容易与更多的扩展语法（周围位或更多的细节，如不允许CTL字符）
- 自由的调试工具（
的#define BOOST_SPIRIT_DEBUG，完成）
下面是一个简单的作为在多行头语法：
-
2616
报头字段可以扩展多行由preceding每多行至少有一个SP或HT
-
RFC 822
字段=字段名：[字段体] CRLF 字段名= 1 * LT;任何字符，不包括的CTL，空间和：＆GT; 场体=场体内容
[CRLF LWSP-CHAR场体] 现场体内容=
＆lt;保证ASCII字符组成的场体，如
在下面的章节中定义，以及由
原子的组合，带引号的字符串，
特别优惠令牌，否则由文本制造＆gt;
因此，事不宜迟，这里有一个简单的文法大致是，从输入迭代器中的任何范围解析成一个std ::地图
使用标题=的std ::地图＆LT;的std ::字符串，性病::字符串取代;
下面是解析器的核心是：
汽车及放大器; CRLF =\\ r \\ n;
汽车及放大器; tspecials =\\ T＆GT;＆LT; @;：\\\\\\/] [=} {：？ 治＆LT;它，标准::字符串（）＆GT;令牌，价值; 令牌= +〜char_（tspecials）; // 整我？应该过滤的CTL
值= *（char_ - （CRLF＆GT;＆GT;及（〜空白| EOI）））; 头头;
布尔OK = phrase_parse（第一，最后，（令牌GT;＆GT;'：'＆GT;＆GT;值）％CRLF＆GT;＆GT;省略[*亮（CRLF），空白头）;#IFDEF DEBUG
如果（OK）的std :: CERR＆LT;＆LT; DEBUG：解析成功\\ n;
其他的std :: CERR＆LT;＆LT; DEBUG：解析失败\\ n;
如果（第一=最后！）的std :: CERR＆LT;＆LT; DEBUG：剩余未解析输入：'＆LT;＆LT;标准::字符串（第一，最后）LT;＆LT; '\\ n;
＃万一
您可以看到现场演示从你的问题解析样品头：
<大骨节病> 住在Coliru
印刷：
键：允许，价值：邀请，ACK，CANCEL，OPTIONS，BYE，REFER，SUBSCRIBE，NOTIFY
键：这个Cseq'，值：'102 INVITE
键：呼叫ID，值：'326371826c80e17e6cf6c29861eb2933@10.10.1.99
键：联系方式，值：'＆LT; SIP：15@10.10.1.99>'
键：内容长度，值：'258'
键：内容类型，价值：应用/ SDP
关键：'日期'，值：星期三，2009年14点12分45秒格林尼治标准时间12月06日
键：从'，值：'测试15＆LT; SIP：15@10.10.1.99>
;标签= fromtag
键：马克斯 - 前锋'，值：'70'
重点：'支持'，值：'取代'
键：要'，值：'＆LT; SIP：13@10.10.1.13> ;;标签= totag
键：用户代理，值：'的Asterisk PBX
键：通过，价值：SIP / 2.0 / UDP 10.10.1.99:5060;branch=z9hG4bK343bf628;rport
请注意， \\ r \\ n 组合保持原样中的的值从头。如果要规范化，要等一些LWS字符，例如一个简单的，例如使用
值= *（省略[CRLF＆GT;＆GT;（〜空白| EOI）！＆GT;＆GT; attr指示（''）|（char_ - CRLF））;
I'm trying to extract tag from the From: header of a SIP messages.
My regex: ^(From:|f:)((?!\\n\\w).)*;[ ]*tag[ ]*=[ ]*([[:alnum:]]*)
RFC 3261 allows multi-line headers. This new line should start with a whitespace. But i have a problem with multi-line headers. If the tag is on a new line, my regex is not working.
Example correct SIP Message:
INVITE sip:13@10.10.1.13 SIP/2.0
Via: SIP/2.0/UDP 10.10.1.99:5060;branch=z9hG4bK343bf628;rport
Contact: <sip:15@10.10.1.99>
Call-ID: 326371826c80e17e6cf6c29861eb2933@10.10.1.99
CSeq: 102 INVITE
User-Agent: Asterisk PBX
Max-Forwards: 70
Date: Wed, 06 Dec 2009 14:12:45 GMT
Allow: INVITE, ACK, CANCEL, OPTIONS, BYE, REFER, SUBSCRIBE, NOTIFY
Supported: replaces
Content-Type: application/sdp
Content-Length: 258
From: "Test 15" <sip:15@10.10.1.99>
; tag = fromtag
To: <sip:13@10.10.1.13>;tag=totag
v=0
o=root 1821 1821 IN IP4 10.10.1.99
s=session
c=IN IP4 10.10.1.99
t=0 0
m=audio 11424 RTP/AVP 0 8 101
a=rtpmap:0 PCMU/8000
a=rtpmap:8 PCMA/8000
a=rtpmap:101 telephone-event/8000
a=fmtp:101 0-16
a=silenceSupp:off - - - -
a=ptime:20
a=sendrecv
How can I properly parse the multi-line headers? Thanks in advance.
I'd second the motion to use/generate a proper parser.
There's nothing stopping you from parsing the headers in a separate step, but you can still specify the grammar declaratively, which is the main point.
The best part here is indeed
- the declarative style making it easier to extend with more grammar (the surrounding bits or more details like disallowing CTL characters)
- the "free" debugging tools (
#define BOOST_SPIRIT_DEBUG, done)
Here's a simple take on the multiline header syntax :
rfc 2616
Header fields can be extended over multiple lines by preceding each extra line with at least one SP or HT
rfc 822
field = field-name ":" [ field-body ] CRLF field-name = 1*<any CHAR, excluding CTLs, SPACE, and ":"> field-body = field-body-contents [CRLF LWSP-char field-body] field-body-contents = <the ASCII characters making up the field-body, as defined in the following sections, and consisting of combinations of atom, quoted-string, and specials tokens, or else consisting of texts>
So without further ado, here's a simple grammar for roughly that, parsing from any range of input iterators into a std::map:
using Headers = std::map<std::string, std::string>;
Here's the core of the parser:
auto& crlf = "\r\n";
auto& tspecials = " \t><@,;:\\\"/][?=}{:";
rule<It, std::string()> token, value;
token = +~char_(tspecials); // FIXME? should filter CTLs
value = *(char_ - (crlf >> &(~blank | eoi)));
Headers headers;
bool ok = phrase_parse(first, last, (token >> ':' >> value) % crlf >> omit[*lit(crlf)], blank, headers);
#ifdef DEBUG
if (ok) std::cerr << "DEBUG: Parse success\n";
else std::cerr << "DEBUG: Parse failed\n";
if (first!=last) std::cerr << "DEBUG: Remaining unparsed input: '" << std::string(first,last) << "'\n";
#endif
You can see a live demo parsing the sample headers from your question:
Printing:
Key: 'Allow', Value: 'INVITE, ACK, CANCEL, OPTIONS, BYE, REFER, SUBSCRIBE, NOTIFY'
Key: 'CSeq', Value: '102 INVITE'
Key: 'Call-ID', Value: '326371826c80e17e6cf6c29861eb2933@10.10.1.99'
Key: 'Contact', Value: '<sip:15@10.10.1.99>'
Key: 'Content-Length', Value: '258'
Key: 'Content-Type', Value: 'application/sdp'
Key: 'Date', Value: 'Wed, 06 Dec 2009 14:12:45 GMT'
Key: 'From', Value: '"Test 15" <sip:15@10.10.1.99>
; tag = fromtag'
Key: 'Max-Forwards', Value: '70'
Key: 'Supported', Value: 'replaces'
Key: 'To', Value: '<sip:13@10.10.1.13>;tag=totag'
Key: 'User-Agent', Value: 'Asterisk PBX'
Key: 'Via', Value: 'SIP/2.0/UDP 10.10.1.99:5060;branch=z9hG4bK343bf628;rport'
Note that the \r\n combo is kept as-is in the value for the From header. If you want to normalize that to some other LWS character, such as a simple ' ', use e.g.
value = *(omit[ crlf >> !(~blank | eoi) ] >> attr(' ') | (char_ - crlf));
这篇关于如何使用正则表达式解析SIP消息的多行头？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
