我使用cpp-netlib和boost。这里有几行我的CLink Class。
CLink::CLink(const CLink& father, const std::string& relUrl )
{
uri = relUrl;
boost::network::uri::uri instance(relUrl);
boost::network::uri::uri instanceFather(father.uri);
if ( (valid = boost::network::uri::is_valid(instance)) == 1)
{
scheme = boost::network::uri::scheme(instance);
user_info = boost::network::uri::user_info(instance);
host = boost::network::uri::host(instance);
port = boost::network::uri::port(instance);
path = boost::network::uri::path(instance);
query = boost::network::uri::query(instance);
fragment = boost::network::uri::fragment(instance);
uri = scheme;
uri += "://";
uri += host;
uri += path;
}
else
{
if ( (valid = boost::network::uri::is_valid(instanceFather)) == 1)
{
scheme = boost::network::uri::scheme(instanceFather);
user_info = boost::network::uri::user_info(instanceFather);
host = boost::network::uri::host(instanceFather);
port = boost::network::uri::port(instanceFather);
path = boost::network::uri::path(instance);
query = boost::network::uri::query(instance);
fragment = boost::network::uri::fragment(instance);
uri = scheme;
uri += "://";
uri += host;
uri += path;
}
}
};
CLink::CLink( const std::string& _url )
{
uri = _url;
boost::network::uri::uri instance(_url);
if ( (valid = boost::network::uri::is_valid(instance) ) == 1)
{
scheme = boost::network::uri::scheme(instance);
user_info = boost::network::uri::user_info(instance);
host = boost::network::uri::host(instance);
port = boost::network::uri::port(instance);
path = boost::network::uri::path(instance);
query = boost::network::uri::query(instance);
fragment = boost::network::uri::fragment(instance);
uri = scheme;
uri += "://";
uri += host;
uri += path;
}
else
std::cout << "err " << std::endl;
};
我使用htmlcxx lib获取的网页链接。我使用HTML :: Node并使用boost文件系统对它们进行规范化。
if ( url.find("http://") == std::string::npos)
{
std::string path = link.get_path() + url;
url = link.get_host() + path;
boost::filesystem::path result;
boost::filesystem::path p(url);
for(boost::filesystem::path::iterator it=p.begin(); it!=p.end(); ++it)
{
if(*it == "..")
{
if(boost::filesystem::is_symlink(result) )
result /= *it;
else if(result.filename() == "..")
result /= *it;
else
result = result.parent_path();
}
else if(*it == ".")
{
// Ignore
}
else
{
// Just cat other path entries
result /= *it;
}
}
url = "http://" + result.string();
}
return ret;
现在的问题是。
我尝试获取http://www.wikipedia.de/
,我得到了像
属性 http://wikimedia.de/wiki/Vereinszeitung ......
并在网站http://wikimedia.de/wiki/Vereinszeitung
上有一个类似/wiki/vereinsatzung
经常我得到像
这样的链接http://wikimedia.de/wiki/Vereinszeitung/wiki/Freies_Wissen
有人有想法吗?
答案 0 :(得分:1)
您需要有绝对链接的特殊情况(以/
开头的那些)。
如果href
以/
开头,那么结果链接应该是(使用来自RFC的来自The URI template的条款):
[scheme]://[authority][what you got in href]
您目前正在构建的是:
[scheme]://[authority][path][what you got in href]
所以你要复制路径信息。
因此,如果link.get_path()
以/
开头,则只需更改:
std::string path = link.get_path() + url;
url = link.get_host() + path; // this is incorrect btw, missing the [port]
到
url = link.get_host() + ":" + link.get_port() + url;
在路径上进行路径规范化可能更简洁,而不是在URL上(即在规范化路径后添加host:port
)。
[我认为如果遇到https
链接,您的代码就会失败。]