判断URL是否合法

原帖： http://www.cppblog.com/smagle/archive/2010/01/08/105184.html

首先声明四点：

• 本代码是我在MFC中写的，用到了很多MFC种的类，如果要移植到其他开发环境，请自行修改。
• 因为实际具体要求，所有很多地方可能与大家使用的不同，原理代码贴出来，修改就简单了^_^。
• 本代码仅仅是一个弱检查，如果有大牛写出了C/C++的正则式判断代码，请一定要给我邮一份，感激涕零。
  
• 转载请注明出处，也就是本随笔地址啦。

原理：

URL是否合法的依据是RFC2369，可以 点击这里查看RFC2369 。

本段代码的原理很简单，举一个URL为例： http://xxx.xxx.xx/ffd?=dd22 ，如何判断是否合法？
如果你用过MFC中AfxParseUrl这个函数，我相信你马上就能明白90%，剩下的10%我后面再讲,首先看下这个函数原型。

BOOL AFXAPI AfxParseURL(
   LPCTSTR pstrURL, // 待解析的URL， http://xxx.xxx.xx/ffd?=dd22
   DWORD& dwServiceType, // 解析出来的服务类型，例如http,ftp之类的，上面例子出来为1（AFX_INET_SERVICE_HTTP）
   CString& strServer, // 上面例子中的xxx.xxx.xx
   CString& strObject, // 上面例子中的/ffd?=dd22
   INTERNET_PORT& nPort // 端口
);

这个函数解析成功返回true，否则false。当然，即便它返回true也不代表这个URL就是合法的，为什么呢？看这个例子：http://xxx/dd.html。所以重点变成了判断 strServer 这个参数是否合法，也就是我上面所说的10%了。

服务器域名有很多子域名，例如asd.page1.cppblog.com、ddd.sina.com.cn。弃繁从简，倒过来，如果找到多个.分开的字段，并且最后一个域名是正确的，就是正确的URL格式。有个例外，那就是纯IP，例如http://192.168.3.124/index.html。
OK，原理完了，上代码。

代码：

// 校验URL是否合法文件路径，依据为rfc2396
// 这个函数只做粗略的校验，不完全符合RFC2369
// 仅支持IPV4
BOOL CAddDlg::CheckURL( const CString &szUrl, CString &szMsg)
{
    DWORD dwService = 0;
    DWORD dwValid = AFX_INET_SERVICE_FTP|AFX_INET_SERVICE_HTTP|AFX_INET_SERVICE_HTTPS|AFX_INET_SERVICE_FILE;
    CString strServer;  
    CString strObject;  
    INTERNET_PORT port; 

    BOOL bValid = AfxParseURL(szUrl, dwService, strServer, strObject, port);  
     if ( !bValid || strObject.IsEmpty() || strObject == "/" || strServer == "localhost"
        )
    { 
        szMsg = szUrl + " \n不是一个合法的下载地址URL";
         return FALSE;  
    }
     else // 开始检验解析出来的部分
    {
         if ( (dwService & dwValid) == 0 )
        {
            szMsg =  szUrl + "\n不支持的服务类型，目前仅支持http,https,ftp,file";
             return FALSE;
        }
         if ( (dwService & AFX_INET_SERVICE_FILE) != 0 ) // file协议直接返回TRUE
        {
             return TRUE;
        }

        CStringArray arr;
        CString dom;
         int i, size = 0;
    
        ExtractString(arr, strServer, ".");
        size = arr.GetCount();
         if ( size == 0 )
             return TRUE;
        dom = arr.GetAt( size-1 );

         for ( i = 0; i < size; i++)
        {
             if ( IsGb2312(arr.GetAt(i)) )
            {
                szMsg = szUrl + " \n不支持包含中文的域名";
                 return FALSE;
            }
        }

         // 先看下是不是192.168.3.2这种IP形式的地址
         if ( IsNumber(dom) )
        {
             bool bt =  true;
             if ( size == 4 )
            {
                 for ( i = 0; i < size; i++ )
                {
                    UINT32 num = CString2UINT32(dom);
                     if (num < 0 && num > 255)
                    {
                        bt =  false;
                         continue;
                    }
                }
                 if ( bt )
                     return TRUE;
            }
        }
         else  if (size > 1) // 查一下域名表
        {
             for (i = 0; i < DOMAIN_NUM; i++)
            {
                 if (dom == szDomainTable[i])
                     return TRUE;
            }
        }
        szMsg = szUrl + " \n不是一个合法的下载地址URL";
         return FALSE;
    }
     return TRUE;
}

上面代码中用到的几个函数如 ExtractString、IsGb2312都很简单，为不增加代码长度影响阅读，故不再贴出。
szDomainTable是我定义的一个域名数组，可以 点击这里下载domain.h 。