Linux获取网页源码的几种方法 - 遗世之都 - ITeye技术网站

Linux获取网页源码的几种方法 - 遗世之都 - ITeye技术网站

JavaEye博客还是本科做毕业设计时候开通的,基本上荒废了,现在决定记录下平时编程遇到的问题或者解决方案。





第一个为利用linux下的工具来获取网页源码,我用的是Wget,也可以使用Curl,curl的话更加的灵活,可以设置很多参数


C++代码  
  1. //通过Wget来获取网页  
  2. string GetHtmlByWget(string url)  
  3. {  
  4.     //获取待下载网页文件名  
  5.     string fileName = url.substr((int)url.find_last_of("/") + 1);  
  6.     if(fileName != "")  
  7.     {  
  8.         string strCom = "wget -q "//wget命令,-q表示不显示下载信息  
  9.         strCom.append(url);  
  10.         system(strCom.c_str()); //执行wget  
  11.   
  12.         ifstream fin(fileName.c_str());  
  13.         if(!fin)  
  14.         {  
  15.             return "";  
  16.         }  
  17.         string strHtml = "";  
  18.         char chTemp[1024] = "";  
  19.         //读取网页文件到内存中  
  20.         while(fin.getline(chTemp , 1024))  
  21.         {  
  22.             strHtml.append(string(chTemp));  
  23.             strcpy(chTemp , "");  
  24.         }  
  25.         fin.close();  
  26.         strCom = "rm -f ";  //删除文件命令,-f表示直接删除不做任何提示  
  27.         strCom.append(fileName);  
  28.         system(strCom.c_str()); //删除刚才下载下来的文件  
  29.         return strHtml; //返回网页源码  
  30.     }  
  31.     else  
  32.     {  
  33.         return "";  
  34.     }  
  35. }  




第二个是用的socket的来获取源码


C++代码  
  1. //通过GET获取网页源码  
  2. string GetHtmlByGet(string url)  
  3. {  
  4.     string strHtmlContent = "";  
  5.     int sockfd;  
  6.     struct sockaddr_in addr;  
  7.     struct hostent *pURL;  
  8.     char text[RECVBUF];  
  9.   
  10.     //分析链接  
  11.     UrlInfo urlInfo = ParseURL(url);  
  12.     string sAccept = "Accept: */*\r\nAccept-Language: zh-cn\r\nAccept-Encoding: gzip, deflate";  
  13.     //不同的主机UserAgent不同  
  14.     string sUserAgent = "Mozilla/5.0 (X11; U; Linux i686; en-US) AppleWebKit/534.10 (KHTML, like Gecko) Chrome/8.0.552.224 Safari/534.10";  
  15.     //将端口转换为字符串  
  16.     char t[6];  
  17.     string  strPort;  
  18.     sprintf(t,"%d", urlInfo.Port);  
  19.     strPort = t;  
  20.     //构造发送字符串  
  21.     string strRequest = "";  
  22.     strRequest.append("GET ");  
  23.     strRequest.append(urlInfo.File);  
  24.     strRequest.append("?");  
  25.     strRequest.append(urlInfo.Body);  
  26.     strRequest.append(" HTTP/1.1\r\n");  
  27.     strRequest.append(sAccept);  
  28.     strRequest.append("\r\nUser-Agent:");  
  29.     strRequest.append(sUserAgent);  
  30.     strRequest.append("\r\nHost:");  
  31.     strRequest.append(urlInfo.Host);  
  32.     strRequest.append(":");  
  33.     strRequest.append(strPort);  
  34.     strRequest.append("\r\nConnection: Keep-Alive\r\n\r\n");  
  35.   
  36.     char* host = const_cast<char*>(urlInfo.Host.c_str());  
  37.     sockfd = socket(AF_INET, SOCK_STREAM, IPPROTO_TCP); //TCP方式发送  
  38.     pURL = gethostbyname(host);  
  39.     addr.sin_family = AF_INET;  
  40.     addr.sin_addr.s_addr = *((unsigned long*)pURL->h_addr);  
  41.     addr.sin_port = htons(80);  
  42.   
  43.     //连接  
  44.     connect(sockfd,(struct sockaddr *)&addr,sizeof(addr));  
  45.     //发送  
  46.     send(sockfd, const_cast<char*>(strRequest.c_str()), strRequest.length(), 0);  
  47.     //接受  
  48.     while(recv(sockfd, text, RECVBUF, 0) > 0)  
  49.     {  
  50.         strHtmlContent.append(text);  
  51.         bzero(text,RECVBUF);  
  52.     }  
  53.     //关闭socket  
  54.     close(sockfd);  
  55.     //返回接受结果  
  56.     return strHtmlContent;  
  57. }  






使用libcurl


Java代码  
  1. #include <stdio.h>   
  2.  #include <string.h>   
  3.  #include <curl/curl.h>   
  4.   
  5.  #define MAX_BUF     65536   
  6.   
  7.  char wr_buf[MAX_BUF+1];   
  8.  int  wr_index;   
  9.   
  10.  /*  
  11.  * Write data callback function (called within the context of  
  12.  * curl_easy_perform.  
  13.  */   
  14.  size_t write_data( void *buffer, size_t size, size_t nmemb, void *userp )   
  15.  {   
  16.   int segsize = size * nmemb;   
  17.   
  18.   /* Check to see if this data exceeds the size of our buffer. If so,  
  19.    * set the user-defined context value and return 0 to indicate a  
  20.    * problem to curl.  
  21.    */   
  22.   if ( wr_index + segsize > MAX_BUF ) {   
  23.     *(int *)userp = 1;   
  24.     return 0;   
  25.   }   
  26.   
  27.   /* Copy the data from the curl buffer into our buffer */   
  28.   memcpy( (void *)&wr_buf[wr_index], buffer, (size_t)segsize );   
  29.   
  30.   /* Update the write index */   
  31.   wr_index += segsize;   
  32.   
  33.   /* Null terminate the buffer */   
  34.   wr_buf[wr_index] = 0;   
  35.   
  36.   /* Return the number of bytes received, indicating to curl that all is okay */   
  37.   return segsize;   
  38.  }   
  39.   
  40.   
  41.  /*  
  42.  * Simple curl application to read the index.html file from a Web site.  
  43.  */   
  44.  int main( void )   
  45.  {   
  46.   CURL *curl;   
  47.   CURLcode ret;   
  48.   int  wr_error;   
  49.   
  50.   wr_error = 0;   
  51.   wr_index = 0;   
  52.   
  53.   /* First step, init curl */   
  54.   curl = curl_easy_init();   
  55.   if (!curl) {   
  56.     printf("couldn't init curl\n");   
  57.     return 0;   
  58.   }   
  59.   
  60.   /* Tell curl the URL of the file we're going to retrieve */   
  61.   curl_easy_setopt( curl, CURLOPT_URL, "www.exampledomain.com" );   
  62.   
  63.   /* Tell curl that we'll receive data to the function write_data, and  
  64.    * also provide it with a context pointer for our error return.  
  65.    */   
  66.   curl_easy_setopt( curl, CURLOPT_WRITEDATA, (void *)&wr_error );   
  67.   curl_easy_setopt( curl, CURLOPT_WRITEFUNCTION, write_data );   
  68.   
  69.   /* Allow curl to perform the action */   
  70.   ret = curl_easy_perform( curl );   
  71.   
  72.   printf( "ret = %d (write_error = %d)\n", ret, wr_error );   
  73.   
  74.   /* Emit the page if curl indicates that no errors occurred */   
  75.   if ( ret == 0 ) printf( "%s\n", wr_buf );   
  76.   
  77.   curl_easy_cleanup( curl );   
  78.   
  79.   return 0;   
  80.  }   

你可能感兴趣的:(linux)