URL解码函数优化

Question

我有下面的模型，我需要一些反馈，说明我如何改进url_decode函数，使它更快，使用更少的内存。有几个要求。我必须使用StringArg和StringReturn结构。我还需要完全解码字符串。我知道双重编码的攻击，但是这是用于数据挖掘的，我需要得到完全解码的字符串，因此是while循环。

请看一看函数StringReturn* url_decode(char* line)，并建议任何我能做的，以提高速度或减少内存使用。

#include <string.h>
#include <stdlib.h>
#include <stdio.h>
#include <iostream>
#include <ctype.h>

struct StringArg
{
    int length;
    char* data;
    StringArg(const char* inData)
    {
        length = strlen(inData);
        data = new char[length+1];
        strcpy(data, inData);
    }
};

struct StringReturn
{
    int size;
    char* data;
    StringReturn(int inSize)
    {
        size = inSize;
        data = new char[size+1];
    }
};

StringArg* stringArg(char* line)
{
    return new StringArg(line);
}

StringReturn* stringReturnInfo(int size)
{
    return new StringReturn(size);
}

StringReturn* url_decode(char* line)
{
        StringArg *str;
        str = stringArg(line);

        int lengths = str->length;
        char* urlData = new char[lengths+1];
        char* fmt = new char[4];
        memcpy(urlData, str->data, str->length);
        urlData[lengths] = 0;
        bool bFoundChar = false;

        int j = 0;

        do
        {
                j = 0;
                bFoundChar = false;
                for (int i = 0; i < lengths; i++)
                {
                        char ch = urlData[i];
                        if (ch == '+')
                        {
                                urlData[j++] = ' ';
                        }
                        else if (ch == '%' && i+2 < lengths &&  isxdigit(urlData[i+1]) &&  isxdigit(urlData[i+2]))
                        {
                                bFoundChar = true;
                                fmt = new char[4];

                                fmt[0] = urlData[++i];
                                fmt[1] = urlData[++i];
                                fmt[2] = 0;

                                urlData[j++] = (char)strtol(fmt, NULL, 16);

                        }
                        else {
                                urlData[j++] = ch;
                        }
                }
                lengths = j;
        }while (bFoundChar);

        StringReturn *ret = stringReturnInfo(j);
        ret->size = j;

        memcpy(ret->data, urlData, j);
        delete urlData;
        delete fmt;

        return ret;

}

void test_decode(char* line)
{
    StringReturn *str = url_decode(line);
    printf(str->data);
}

int main(int argc, const char * argv[])
{

    test_decode("bob.com?url=http%3A%2F%2Fsteve.com%3Furl%3Dhttp%253A%252F%252Fjohn.com");

    return 0;
}

Answer 1

这注定要失败：

struct StringArg
{
    int length;
    char* data;
    StringArg(const char* inData)
    {
        length = strlen(inData);
        data = new char[length+1];
        strcpy(data, inData);
    }
};

这只会导致灾难。它不太可能比std::string更有效，并且更有可能导致内存泄漏。

使用std::string，它的工作原理是正确的，并且经过了很大程度的优化，您不能用自己的手编写一个字符串。这是一个过早的优化。

同样：

struct StringReturn
{
    int size;
    char* data;
    StringReturn(int inSize)
    {
        size = inSize;
        data = new char[size+1];
    }
};

不要在周围传递指针：

StringArg* stringArg(char* line)
{
    return new StringArg(line);
}

使用std::unique_ptr封装指针对象，使其能够正确管理内存。如果您做的事情是正确的，结果代码优化为无操作，如果您不正确地做事情，它会节省您的屁股。实际上，我会丢弃您的字符串类并使用std::string。来自返回的复制构造几乎总是被NRVO所忽略，因此比您想象的要高效得多。

又一样

StringReturn* stringReturnInfo(int size)
{
    return new StringReturn(size);
}

手动复制C-字符串是非常痛苦的。使用std::string

    int lengths = str->length;
    char* urlData = new char[lengths+1];
    char* fmt = new char[4];
    memcpy(urlData, str->data, str->length);
    urlData[lengths] = 0;

    // Or you can do:

    std::string urlData = line;

此外，您的代码也不例外安全。

请使用RIAA确保没有泄漏(或者使用std::string已经这样做了)。

在这里可以找到URL的定义：https://www.rfc-editor.org/rfc/rfc3986

假装'+‘是一个空格只在URI的path部分有效，而在URI的查询或片段部分无效，因此扫描整个字符串以获得'+’是不正确的。

我还需要完全解码字符串。我知道双重编码的攻击

该规范不允许双重(或嵌套)编码。如果它解码为另一个'%‘，那么这就是值。你不要试图重新解释这个价值。