如何使用正则表达式解析 SIP 消息的 multi-line headers？

Question

我正在尝试从 SIP 消息的 From: header 中提取 tag。

我的正则表达式：^(From:|f:)((?!\n\w).)*;[ ]*tag[ ]*=[ ]*([[:alnum:]]*)

RFC 3261 允许 multi-line headers。这个新行应该以空格开头。但我对 multi-line header 有疑问。如果 tag 换行，则我的正则表达式不起作用。

正确的 SIP 消息示例：

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

如何正确解析 multi-line header？提前致谢。

Answer 1

续行字符可以是 space 或水平制表符...取决于您的正则表达式解析器，您可以在 \r\n[ /t] 上匹配 line-continuation。就是说，您的正则表达式可能会非常复杂地测试可以找到 linear-whitespace 的地方……您最好使用自定义解析器打破 header 行并测试您需要的内容。

Answer 2

请尝试以下模式：

/(?i)(f(?:rom):(?:(?!^[^\r?\n]+)[\S\s])*((?:\s;\s*([^=]+)\s*=\s*([^\r?\n]+))))/g

工作演示在 RegEx101

Answer 3

我会支持 use/generate 合适的解析器。

没有什么可以阻止您在单独的步骤中解析 header，但您仍然可以声明性地指定语法，这是要点。

这里最好的部分确实是

声明式风格使其更容易扩展更多语法（周围的位或更多细节，如不允许 CTL 字符）
"free" 调试工具（#define BOOST_SPIRIT_DEBUG，完成）

下面是多行 header 语法的简单介绍：

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>

所以事不宜迟，这里有一个简单的语法，从任何范围的输入迭代器解析为 std::map:

using Headers = std::map<std::string, std::string>;

这是解析器的核心：

    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

您可以看到解析示例 headers 来自您的问题的实时演示：

Live On Coliru

正在打印：

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'

请注意，\r\n 组合在 From header 的值中保持 as-is。如果您想将其标准化为其他一些 LWS 字符，例如简单的 ' '，请使用例如

value = *(omit[ crlf >> !(~blank | eoi) ] >> attr(' ') | (char_ - crlf));

如何使用正则表达式解析 SIP 消息的 multi-line headers？

How to parse multi-line headers of SIP message using regex?

c++

regex

boost

sip