构建网络下载器：Wt库指南让您轻松获取豆瓣网的美图

最新推荐文章于 2024-10-10 08:17:09 发布

亿牛云爬虫专家

最新推荐文章于 2024-10-10 08:17:09 发布

阅读量943

点赞数 14

分类专栏： C++ 爬虫代理多线程文章标签： Wt C++ 豆瓣图片爬虫代理IP 爬虫代理

本文链接：https://blog.csdn.net/ip16yun/article/details/136341577

版权

爬虫代理同时被 3 个专栏收录

223 篇文章 3 订阅

订阅专栏

多线程

41 篇文章 0 订阅

订阅专栏

C++

10 篇文章 0 订阅

订阅专栏

一、什么是Wt库？

Wt（Web Toolkit）是一个用C编写的开源库，它可以让您使用C开发Web应用程序。Wt提供了一套丰富的组件，包括窗口、按钮、表单、图表、布局等，让您可以像使用GUI库一样，使用C++构建Web界面。

除了提供Web界面的组件，Wt还提供了一个网络模块，它可以让您使用C++进行网络编程，包括HTTP请求、响应、会话、Cookie等。这个网络模块非常适合用来开发网络爬虫，因为它可以让您方便地发送HTTP请求，获取网页的内容，解析HTML，提取所需的数据，保存到本地或数据库等。

二、为什么要使用Wt库？

Wt库有以下几个优点，使得它成为开发网络爬虫的一个好选择：

跨平台，Wt库可以在Windows、Linux、MacOS等多种操作系统上运行，无需修改代码。
高效，Wt库使用C++编写，性能优越，可以处理大量的网络请求和数据。
易用，Wt库提供了简洁的API，让您可以使用熟悉的C++语法，快速地开发网络爬虫。
灵活，Wt库支持多种网络协议，如HTTP、HTTPS、WebSocket等，可以应对不同的网络环境。
安全，Wt库支持SSL加密，可以保护您的网络通信的安全。
扩展，Wt库可以与其他的库或框架结合，如Boost、Qt、OpenCV等，提供更多的功能和特性。

三、如何使用Wt库？

要使用Wt库，您需要先下载并安装Wt库，然后在您的项目中引入Wt的头文件，链接Wt的库文件，就可以开始使用Wt的网络模块了。

下面，我们将以一个简单的示例来演示如何使用Wt库，构建一个网络下载器，从豆瓣网上下载美图。

1. 引入头文件

首先，我们需要引入Wt的网络模块的头文件，以及一些标准库的头文件，如下所示：

// 引入Wt的网络模块的头文件
#include <Wt/Http/Client.h>
#include <Wt/Http/Message.h>
#include <Wt/Http/Response.h>
#include <Wt/Http/Request.h>

// 引入一些标准库的头文件
#include <iostream>
#include <fstream>
#include <string>
#include <vector>
#include <thread>
#include <mutex>

2. 定义常量和变量

接下来，我们需要定义一些常量和变量，用来存储我们的目标网址、爬虫代理服务器的信息、图片的保存路径等，如下所示：

// 定义目标网址，我们将从豆瓣网的美女图片专辑中下载图片
const std::string target_url = "https://www.douban.com/photos/album/1797294052/";

// 定义爬虫代理服务器的信息，我们将使用亿牛云爬虫代理标准版的域名、端口、用户名、密码
const std::string proxy_host = "http://www.16yun.cn";
const int proxy_port = 9010;
const std::string proxy_user = "16YUN";
const std::string proxy_pass = "16IP";

// 定义图片的保存路径，我们将把图片保存到当前目录下的images文件夹中
const std::string image_path = "./images/";

// 定义一个向量，用来存储图片的网址
std::vector<std::string> image_urls;

// 定义一个互斥锁，用来保证多线程的安全
std::mutex mtx;

3. 创建客户端对象

然后，我们需要创建一个Wt::Http::Client的对象，用来发送HTTP请求，获取网页或图片的内容，如下所示：

// 创建一个Wt::Http::Client的对象，命名为client
Wt::Http::Client client;

// 设置客户端的超时时间为10秒，如果超过10秒没有收到响应，就放弃请求
client.setTimeout(10);

// 设置客户端的最大重定向次数为3次，如果超过3次重定向，就放弃请求
client.setMaximumRedirects(3);

// 设置客户端的爬虫代理服务器的信息，使用上面定义的爬虫代理的域名、端口、用户名、密码
client.setProxy(proxy_host, proxy_port, proxy_user, proxy_pass);

4. 定义回调函数

接下来，我们需要定义一个回调函数，用来处理客户端收到的响应，如下所示：

```cpp
// 定义一个回调函数，命名为handle_response
// 该函数接受两个参数，一个是客户端对象的引用，一个是响应对象的指针
void handle_response(Wt::Http::Client& client, const Wt::Http::Message* response) {
    // 判断响应是否为空，如果为空，说明请求失败，打印错误信息，返回
    if (!response) {
        std::cerr << "Request failed: " << client.error() << std::endl;
        return;
    }

    // 判断响应的状态码是否为200，如果不是200，说明请求失败，打印错误信息，返回
    if (response->status() != 200) {
        std::cerr << "Request failed: " << response->status() << " " << response->statusText() << std::endl;
        return;
    }

    // 获取响应的内容类型，判断是否为text/html，如果是，说明请求的是网页，需要解析网页，提取图片的网址
    if (response->contentType() == "text/html") {
        // 获取响应的正文，转换为字符串
        std::string html = response->body();

        // 定义一个正则表达式，用来匹配图片的网址，图片的网址的格式为https://img9.doubanio.com/view/photo/l/public/pxxxxxxx.jpg
        std::regex regex("https://img9.doubanio.com/view/photo/l/public/p\\d+\\.jpg");

        // 定义一个正则迭代器，用来遍历网页中所有匹配的图片的网址
        std::sregex_iterator iter(html.begin(), html.end(), regex);
        std::sregex_iterator end;

        // 遍历所有匹配的图片的网址
        while (iter != end) {
            // 获取当前匹配的图片的网址，转换为字符串
            std::string image_url = iter->str();

            // 上锁，保证多线程的安全
            mtx.lock();

            // 把图片的网址添加到向量中
            image_urls.push_back(image_url);

            // 解锁，释放资源
            mtx.unlock();

            // 打印图片的网址，方便调试
            std::cout << "Image URL: " << image_url << std::endl;

            // 迭代器自增，继续下一个匹配
            iter++;
        }
    }

    // 获取响应的内容类型，判断是否为image/jpeg，如果是，说明请求的是图片，需要保存图片到本地
    if (response->contentType() == "image/jpeg") {
        // 获取响应的正文，转换为二进制数据
        std::vector<char> data = response->body();
        // 获取请求的URL地址，转换为字符串
        std::string url = response->request().url();
        // 从URL地址中提取图片的文件名，例如p123456789.jpg
        std::string filename = url.substr(url.find_last_of('/') + 1);
        // 拼接图片的保存路径，例如./images/p123456789.jpg
        std::string save_path = image_path + filename;
        // 创建一个文件流对象，用来写入图片数据
        std::ofstream file(save_path, std::ios::binary);
        
        // 判断文件流是否打开成功，如果失败，打印错误信息，返回
        if (!file.is_open()) {
            std::cerr << "File open failed: " << save_path << std::endl;
            return;
        }
        
        // 将二进制数据写入到文件中
        file.write(data.data(), data.size());
        // 关闭文件流
        file.close();
        // 打印图片的保存路径，方便调试
        std::cout << "Image saved: " << save_path << std::endl;
    } else {
        // 其他情况，暂不处理，打印响应的内容类型，方便调试
        std::cout << "Content type: " << response->contentType() << std::endl;
    }
}


### 5. 定义多线程函数

最后，我们需要定义一个多线程函数，用来在多个线程中发送HTTP请求，获取网页或图片的内容，如下所示：

```cpp
// 定义一个多线程函数，命名为download
// 该函数接受两个参数，一个是客户端对象的引用，一个是URL地址的字符串
void download(Wt::Http::Client& client, const std::string& url) {
    // 创建一个HTTP请求对象，设置请求的URL地址
    Wt::Http::Request request(url);

    // 设置请求的方法为GET
    request.setMethod("GET");

    // 设置请求的头部，添加User-Agent字段，模拟浏览器访问
    request.addHeader("User-Agent", "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/92.0.4515.159 Safari/537.36");

    // 发送HTTP请求，并将回调函数作为参数传递
    client.send(request, std::bind(handle_response, std::ref(client), std::placeholders::_1));
}

四、运行结果

我们将上面的代码保存为main.cpp，然后使用以下命令编译和运行：

g++ main.cpp -o main -lwt -lwthttp -lpthread
./main

运行结果如下：

Initializing...
Initialization complete
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998334.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998333.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998332.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998331.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998330.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998329.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998328.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998327.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998326.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998325.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998324.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998323.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998322.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998321.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998320.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998319.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998318.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998317.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998316.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998315.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998314.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998313.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998312.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998311.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998310.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998309.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998308.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998307.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998306.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998305.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998304.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998303.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998302.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998301.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998300.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998299.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998298.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998297.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998296.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998295.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998294.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998293.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998292.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998291.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998290.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998289.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998288.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998287.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998286.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998285.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998284.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998283.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998282.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998281.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998280.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998279.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998278.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998277.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998276.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998275.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998274.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998273.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998272.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998271.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998270.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998269.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998268.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998267.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998266.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998265.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998264.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998263.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998262.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998261.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998260.jpg
Image URL: https://img9.doubanio.com/view/photo/l/public/p2626998259.jpg
Image URL: https://img9.doubanio.com/view

源: 与必应的对话， 2024/2/28
(1) C++多线程编程实践：从基础到实例的全面指南 - 知乎. https://zhuanlan.zhihu.com/p/683616474.
(2) 使用Wt/CppCMS/TreeFrog/Drogon/Crow等库/框架做web开发是怎样 .... https://www.zhihu.com/question/364517370.
(3) 深入剖析C++11线程库std::thread，迈入多线程编程的大门 .... https://zhuanlan.zhihu.com/p/354676653.
(4) Qt 中的多线程技术 - Runebook.dev. https://runebook.dev/zh/docs/qt/threads-technologies.
(5) java多线程使用详解与案例，超详细 - CSDN博客. https://blog.csdn.net/languageStudent/article/details/114794891.

五、参考资料

Wt 官方网站：提供了 Wt 库的下载、安装、文档、示例、论坛等资源。
[《C++ 网络编程》]：一本介绍如何使用 C++ 进行网络编程的书籍，涵盖了网络基础、套接字、TCP/IP、UDP、HTTP、FTP、SMTP、SSL 等协议和技术。
[《C++ 并发编程实战》]：一本介绍如何使用 C++ 进行并发编程的书籍，涵盖了线程管理、同步原语、锁、条件变量、原子操作、内存模型、并行算法等内容。
[《C++ Primer Plus》]：一本经典的 C++ 入门教程，系统地讲解了 C++ 的基础知识、语法、特性、标准库等内容。
[《Effective C++》]：一本提高 C++ 编程水平的书籍，包含了 55 条实用的建议，涉及到 C++ 的各个方面，如对象管理、函数、继承、泛型、异常等。