扩展CGIHTTPRequestHandler或BaseHTTPRequestHandler。解析请求的最佳实践

Question

我正在考虑将一个集成的HTTP接口添加到我使用Python构建的守护进程中。我喜欢这种方法，因为它使整个守护进程代码可移植。(而不是有单独的web部分和cli部分)。

一切都很好，但是我想知道解析在do_GET方法中收到的实际请求的最佳实践。

这是我的原型do_GET方法

def do_GET(self):
        str = "OK"
        print self.request
        self.send_response(200)
        self.send_header("Content-type", "text/html")
        self.send_header("Content-length", len(str))
        self.end_headers()
        self.wfile.write(str)

当收到请求时，request属性包含以下字符串

127.0.0.1 -2014年1月15日10:21:23 "GET /“200 -

有标准库可以用来解析这个字符串吗？我认为需要编写的自定义解析器首先使用-作为分隔符标记字符串，然后使用某种正则表达式处理第三个元素，该表达式匹配请求日期的[([^\]]+)]和请求路径的"[[^\"]+"。

由于可能遇到的所有异常，我担心编写自定义解析器。因此，我询问任何用于解析这个的python标准方法。

耽误您时间，实在对不起。

Answer 1

如果您能够找到一个解析这些字符串的可靠库，这显然是您的最佳选择。

如果您想尝试使用pyparsing解决方案，这种失败可能会帮助您开始工作：

import re
from pyparsing import Combine, Literal, Regex, White, Word
from pyparsing import alphanums, alphas, nums

data = '127.0.0.1 - - [15/Jan/2014 10:21:23] "GET /" 200 -'

ip_octet = Word(nums, min=1, max=3)
ip_sep = Literal('.')
ip = Combine(ip_octet + ip_sep
             + ip_octet + ip_sep
             + ip_octet + ip_sep
             + ip_octet)

day = Word(nums, min=1, max=2)
month = Word(alphas, exact=3)
year = Word(nums, exact=4)
date_sep = Literal('/')
date = Combine(day + date_sep
               + month + date_sep
               + year)
hms = Word(nums, min=1, max=2)
time_sep = Literal(':')
time = Combine(hms + time_sep
               + hms + time_sep
               + hms)
datetime = Literal('[').suppress() + date + time + Literal(']').suppress()

method = Word(alphas) # GET, etc
# path characters per RFC 1738 / <http://stackoverflow.com/a/1856809/1535629>
path = Word(alphanums + "$-_.+!*'(),/%")
req_enclosure = Literal('"').suppress()
req = req_enclosure + method + path + req_enclosure

code = Word(nums, exact=3) # HTTP status code

nodash = Literal('-').suppress()
parser = ip + nodash + nodash + datetime + req + code + nodash

result = parser.parseString(data)
print(result)

结果：

['127.0.0.1', '15/Jan/2014', '10:21:23', 'GET', '/', '200']

当然，它比使用re要冗长得多，但在我看来，它也更容易阅读和维护。

此外，如果需要，可以在pyparsing中使用regexes，如下所示：

import re
from pyparsing import Regex

data = '127.0.0.1'

ip_re = re.compile(r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3}')
ip = Regex(ip_re)

result = ip.parseString(data)
print(result)

结果：

['127.0.0.1']

这使您可以选择混合和匹配regexes和pyparsing特性，无论您觉得最方便的方式。

Answer 2

http://deron.meranda.us/python/httpheader/就是这样一个库，它可以帮助您解析Headers。

Answer 3

好的，经过进一步的调查，我发现CGIHTTPRequestHandler有一个名为path的属性名。因此，按如下方式更改do_GET方法将提供所需的结果

def do_GET(self):

        str = "OK"

        print self.path

        self.send_response(200)
        self.send_header("Content-type", "text/html")
        self.send_header("Content-length", len(str))
        self.end_headers()
        self.wfile.write(str)

输出

/send/message

使用GET /send/message调用时