mirror of
https://github.com/terorie/od-database-crawler.git
synced 2025-04-18 18:06:45 +00:00
Compare finite state machine and Regex
This commit is contained in:
parent
9e090d109d
commit
442a2cf8a7
103
crawl.go
103
crawl.go
@ -2,13 +2,13 @@ package main
|
||||
|
||||
import (
|
||||
"bytes"
|
||||
"errors"
|
||||
"github.com/sirupsen/logrus"
|
||||
"github.com/valyala/fasthttp"
|
||||
"golang.org/x/net/html"
|
||||
"golang.org/x/net/html/atom"
|
||||
"net/url"
|
||||
"os"
|
||||
"regexp"
|
||||
"strconv"
|
||||
"strings"
|
||||
"sync"
|
||||
@ -28,6 +28,8 @@ var visited int64
|
||||
var in chan<- url.URL
|
||||
var out <-chan url.URL
|
||||
|
||||
var matchHeader = regexp.MustCompile("([\\w-]+): (.*)")
|
||||
|
||||
type File struct {
|
||||
Name string `json:"name"`
|
||||
Size int64 `json:"size"`
|
||||
@ -186,68 +188,81 @@ func fileInfo(u url.URL, f *File) (err error) {
|
||||
|
||||
// TODO Inefficient af
|
||||
header := res.Header.Header()
|
||||
s := time.Now()
|
||||
for i := 0; i < 10000; i++ {
|
||||
f.ParseHeaderRegex(header)
|
||||
}
|
||||
println(time.Since(s).String())
|
||||
|
||||
var k []byte
|
||||
var v []byte
|
||||
return nil
|
||||
}
|
||||
|
||||
func (f *File) ParseHeaderRegex(h []byte) {
|
||||
for _, parts := range matchHeader.FindAllSubmatch(h, -1) {
|
||||
k := string(parts[1])
|
||||
v := string(parts[2])
|
||||
f.applyHeader(k, v)
|
||||
}
|
||||
}
|
||||
|
||||
func (f *File) ParseHeaderMachine(h []byte) {
|
||||
var k1, k2 int
|
||||
var v1, v2 int
|
||||
|
||||
// Simple finite state machine
|
||||
state := 0
|
||||
for _, b := range header {
|
||||
for i, b := range h {
|
||||
switch state {
|
||||
case 0:
|
||||
if b == byte(':') {
|
||||
state = 1
|
||||
} else {
|
||||
k = append(k, b)
|
||||
k2 = i
|
||||
}
|
||||
|
||||
case 1:
|
||||
if b == byte(' ') {
|
||||
state = 2
|
||||
} else {
|
||||
return errors.New("bad request")
|
||||
}
|
||||
state = 2
|
||||
|
||||
case 2:
|
||||
if b == byte('\r') {
|
||||
state = 3
|
||||
} else {
|
||||
v = append(v, b)
|
||||
}
|
||||
state = 3
|
||||
v1 = i
|
||||
|
||||
case 3:
|
||||
if b == byte('\n') {
|
||||
state = 0
|
||||
key := strings.ToLower(string(k))
|
||||
val := string(v)
|
||||
|
||||
switch key {
|
||||
case "content-length":
|
||||
size, err := strconv.ParseInt(val, 10, 64)
|
||||
if err != nil { break }
|
||||
if size < 0 { break }
|
||||
f.Size = size
|
||||
|
||||
case "last-modified":
|
||||
var err error
|
||||
f.MTime, err = time.Parse(time.RFC1123, val)
|
||||
if err == nil { break }
|
||||
f.MTime, err = time.Parse(time.RFC850, val)
|
||||
if err == nil { break }
|
||||
// TODO Parse asctime
|
||||
f.MTime, err = time.Parse("2006-01-02", val[:10])
|
||||
if err == nil { break }
|
||||
}
|
||||
|
||||
k = k[:0]
|
||||
v = v[:0]
|
||||
} else {
|
||||
return errors.New("bad request")
|
||||
if b == byte('\r') {
|
||||
state = 4
|
||||
}
|
||||
|
||||
case 4:
|
||||
state = 0
|
||||
v2 = i - 1
|
||||
|
||||
key := string(h[k1:k2])
|
||||
val := string(h[v1:v2])
|
||||
k1 = i
|
||||
|
||||
f.applyHeader(key, val)
|
||||
}
|
||||
}
|
||||
|
||||
return nil
|
||||
}
|
||||
|
||||
func (f *File) applyHeader(k, v string) {
|
||||
switch k {
|
||||
case "content-length":
|
||||
size, err := strconv.ParseInt(v, 10, 64)
|
||||
if err != nil { break }
|
||||
if size < 0 { break }
|
||||
f.Size = size
|
||||
|
||||
case "last-modified":
|
||||
var err error
|
||||
f.MTime, err = time.Parse(time.RFC1123, v)
|
||||
if err == nil { break }
|
||||
f.MTime, err = time.Parse(time.RFC850, v)
|
||||
if err == nil { break }
|
||||
// TODO Parse asctime
|
||||
f.MTime, err = time.Parse("2006-01-02", v[:10])
|
||||
if err == nil { break }
|
||||
}
|
||||
}
|
||||
|
||||
func makeInfinite() (chan<- url.URL, <-chan url.URL) {
|
||||
|
Loading…
x
Reference in New Issue
Block a user