[发明专利]一种解析HTTPchunked编码数据的方法

说明书

技术领域

本发明涉及网络通信领域，特别涉及一种解析HTTP chunked编码数据的方法。

背景技术

HTTP协议的消息格式包含消息首部和消息体。消息首部部分定义了一些属性字段，这些字段向报文接收者提供了重要的信息。其中，Content-Length属性字段表示消息体的长度，该字段有利于数据接收过程的编程实现。然而，对于某些动态生成的数据，消息生成者可能无法立即知悉消息体的总长度，从而不能及时计算Content-Length字段值。使用chunked编码可以回避这一问题。Chunked是HTTP/1.1协议的一种传输编码方式，该传输编码方式将待传输数据切割为多个部分，报文只需提供每个部分的长度。编码后的消息体是一组连续的编码块(chunk)，每个编码块包含了传输数据块(chunk-data)及其长度(chunk-size)，其格式定义如下：

chunk=chunk-size[chunk-extension]CRLF chunk-data CRLF

其中，chunk-size是chunk-data的长度，为十六进制字符串。CRLF为双字节换行符，其ASCII码值为0x0d0x0a。可选的chunk-extension格式用一组“name=value”字段组成，但RFC2616未对这些字段进行定义，并规定接收者忽略不能识别的字段。

流媒体业务的分发和传输过程使用了HTTP协议，对节目内容进行chunked编码。流服务器通过TCP协议接收报文，解码后，以UDP方式推送给IPQAM，进而发送给终端用户。由于流媒体具有数据量大、传输时间长的特点，流服务器将会对大量数据进行chunked解码操作，因此，chunked解码过程的效率对于流服务器的整体性能至关重要。选择不同的chunked编码解析方式，能够给系统的开发效率、运行性能都能带来相当大的影响。

作为对chunked解析的一种最简单的实现，离线解析方法先将一个完整的HTTP报文通过网络编程技术复制到本地一个连续、单一的应用层缓冲区，再基于这个连续缓冲区根据chunked编码规则提取有效数据，将解析出的数据拷贝到有效内容缓冲区。HTTP chunked编码离线解析法导致解码过程中会产生两次内存拷贝，造成内存占用多、处理延迟高的问题。且离线解析法适合于原型系统开发，并不适合产品开发环境。

发明内容

本发明的目的在于克服现有的HTTP chunked编码离线解析法内存占用多、处理延迟高的缺陷，从而提供一种能够快速解析HTTP chunked编码的方法。

为了实现上述目的，本发明提供了一种解析HTTP chunked编码数据的方法，包括：

步骤1）、定位到所接收的HTTP报文中任一chunk的起始位置；

步骤2）、根据当前的解析状态对chunk中的chunk-size字段的长度进行预测；其中，所述解析状态指一个chunk的读取过程的完成程度；

步骤3）、根据前一步骤所得到的预测长度读取相应长度的chunk-size数据并缓存，对当前缓存的全部chunk-size数据加以分析，根据分析结果判断是否已经完成对整个chunk-size字段的读取，若已完成，执行下一步，否则，基于当前缓存的全部chunk-size数据分析解析状态，并重新执行步骤2）；

步骤4）、根据整个chunk-size字段值，读取chunk-data中的数据。

上述技术方案中，在所述的步骤2）中，将当前解析状态下chunk-size字段尚未被读取的字节数可能的最小值作为预测的长度值；包括：

若当前解析状态为“空串”，则chunk-size字段尚未被读取的字节数可能的最小值为5；

若当前解析状态为“已读取1字节”，则chunk-size字段尚未被读取的字节数可能的最小值为4；

若当前解析状态为“已读取2字节”，则chunk-size字段尚未被读取的字节数可能的最小值为3；

若当前解析状态为“已读取3字节且未遭遇字段末尾的CR”，则chunk-size字段尚未被读取的字节数可能的最小值为2；

若当前解析状态为“读到了字段末尾的CR”，则chunk-size字段尚未被读取的字节数可能的最小值为1；

若当前解析状态为“读到了字段末尾的LF”，则chunk-size字段尚未被读取的字节数可能的最小值为0。