C语言之socket获取网页源码

　　写爬虫也许你用的是python，类似urlopen(url).read()即可获得普通的网页的源码，或者用的java的网络库加上流操作，或者其他高级语言。但你有没有想过使用C语言来实现呢？我曾经以为用c来实现获取网页源码是很复杂的，要自己按照http等协议来构造包，再解析接受到的包，还要考虑三次握手。现在想来当时的想法真可怕啊！一个人最崇敬科技，最害怕科学的时候是期是何时呢？是当他懂了一些东西，但还有一大堆东西不懂的时候。也许脑筋转一个弯，他学的就快了。好了，下面进入正题：

通过socket与远程连接需要ip和端口号，通常我们写的socket程序都是一个server，一个client，两个配对，单一可以只写一方的程序来达到我们的目的：如端口扫描。我们把web服务器当成socket服务端（实际也的确如此，网络通信不都是socket的天下吗），端口设为80（开放网站都是这个啊）。步骤有三：

1.建立socket，connect　　2.发送请求　　3.读取

int open_socket(char* host,char *port){

    struct addrinfo *res;//<netdb.h>

    struct addrinfo hints;

    memset(&hints,0,sizeof(hints));

    hints.ai_family=PF_UNSPEC;//AF和PF区别？

    hits.ai_socktype=SOCK_STREAM;

    if(getaddrinfo(host,port,&hints,&res)==-1)//会在堆上创建一种叫名字资源的新数据结构

         perror("error"):   

     int d_sock=socket(res->ai_family,res->ai_socktype,res->ai_protocal);

    if(d_sock==-1) perror...

    int c=connect(d_sock,res->ai_addr,res->ai_addrlen);

    freeaddrinfo(res);//释放堆空间

    if(c==-1) ...

    return d_sock;

}

下面是一个发送信息的辅助函数

int say(int sock,char *s){

    int ret=send(sock,s,strlen(s),0);

    if(ret==-1) perror...

    return ret;

}
上面的perror函数是系统的，可以换成你自定义的，或者用strerror()加上<errno.h>中的errno
发送信息至少包含三部分：
GET请求，主机名，空行（\r\n)
下面是main函数：
int main(int a,char *b){
　　int sock;
　　soc=open_sock("www.sougou.com","80");
　　ｃｈａｒ　ｒｅｃ［２５６］；
　　say(sock,"GET　／ｗｉｋｉ／　ｈｔｔｐ／１．１＼ｒ＼ｎ＂）；
　　ｉｎｔ　ｂｙｔｅｓＲｃｖｄ＝ｒｅｃｖ（ｓｏｃｋ，ｒｅｃ，２５５，０）；
　　ｗｈｉｌｅ（ｂｙｔｅｓＲｃｖｄ）｛
　　ｉｆ（ｂｙｔｅｓＲｃｖｄ＝＝－１）　．．．
　　ｒｅｃ［ｂｙｔｅｓＲｃｖｄ］＝＇＼０＇；
　　ｐｒｉｎｔｆ（＂％ｓ＂，ｒｅｃ）；
　　ｂｙｔｅｓＲｃｖｄ＝ｒｅｃｖ（ｓｏｃｋ，ｒｅｃ，２５５，０）；
　　｝
　　ｃｌｏｓｅ（ｓｏｃｋ）；
　　ｒｅｔｕｒｎ　０；
｝