网络爬虫之建立socket链接

前几个星期在做一个网络编程实验:爬取一个包含几十万网页的服务器,并分析各个网页之间的联系,计算PageRank值等。

下面贴一下建立socket链接的代码,这部分应该不难。在Linux下使用C语言实现:

/*
文件名:network.h
作者:xyw
 */
#ifndef _NETWORK_H_
#define _NETWORK_H_
#ifndef _HTTPCLIENT_H_
#define _HTTPCLIENT_H_
#include<stdio.h>
#include<stdlib.h>
#include<errno.h>
#include<string.h>
#include<sys/types.h>
#include<netinet/in.h>
#include<sys/socket.h>
#include<sys/wait.h>
#include<netdb.h>
#include<iconv.h>

int open_tcp(char *hostname,int port); //建立一个到远程服务器的socket连接
int nsend(int sockfd,char *msg); //发送字节到网络
int nrecv(int sockfd,char *buf,int length);//发送网络字节流
int recv_line(int sockfd,char *buf);//从socket接收一行以回车键结束
void nclose(int sockfd);//关闭socket

#endif
#endif

/*****
** network.c
** - implements the methods declared in network.h
** - 对网络socket的收发进行封装
** - 作者:xyw
 */

#include "network.h"
#include "http_client.h"

//建立一个到远程服务器的socket连接
int open_tcp(char *hostname,int port)
{
    int clientfd;
    /*
    hostent,该结构记录主机的信息,包括主机名、别名、地址类型、地址长度和地址列表。
    struct hostent {
  char *h_name;     地址的正式名称。
  char **h_aliases; 空字节-地址的预备名称的指针
  int h_addrtype;    地址类型; 
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
C语言是一种广泛使用的编程语言,它具有高效、灵活、可移植性强等特点,被广泛应用于操作系统、嵌入式系统、数据库、编译器等领域的开发。C语言的基本语法包括变量、数据类型、运算符、控制结构(如if语句、循环语句等)、函数、指针等。在编写C程序时,需要注意变量的声明和定义、指针的使用、内存的分配与释放等问题。C语言中常用的数据结构包括: 1. 数组:一种存储同类型数据的结构,可以进行索引访问和修改。 2. 链表:一种存储不同类型数据的结构,每个节点包含数据和指向下一个节点的指针。 3. 栈:一种后进先出(LIFO)的数据结构,可以通过压入(push)和弹出(pop)操作进行数据的存储和取出。 4. 队列:一种先进先出(FIFO)的数据结构,可以通过入队(enqueue)和出队(dequeue)操作进行数据的存储和取出。 5. 树:一种存储具有父子关系的数据结构,可以通过中序遍历、前序遍历和后序遍历等方式进行数据的访问和修改。 6. 图:一种存储具有节点和边关系的数据结构,可以通过广度优先搜索、深度优先搜索等方式进行数据的访问和修改。 这些数据结构在C语言中都有相应的实现方式,可以应用于各种不同的场景。C语言中的各种数据结构都有其优缺点,下面列举一些常见的数据结构的优缺点: 数组: 优点:访问和修改元素的速度非常快,适用于需要频繁读取和修改数据的场合。 缺点:数组的长度是固定的,不适合存储大小不固定的动态数据,另外数组在内存中是连续分配的,当数组较大时可能会导致内存碎片化。 链表: 优点:可以方便地插入和删除元素,适用于需要频繁插入和删除数据的场合。 缺点:访问和修改元素的速度相对较慢,因为需要遍历链表找到指定的节点。 栈: 优点:后进先出(LIFO)的特性使得栈在处理递归和括号匹配等问题时非常方便。 缺点:栈的空间有限,当数据量较大时可能会导致栈溢出。 队列: 优点:先进先出(FIFO)的特性使得
实现网络爬虫可以使用Socket编程,通过TCP/IP协议获取网页内容。以下是基本的实现步骤: 1. 创建Socket建立连接。 2. 向服务器发送HTTP请求,获取网页内容。 3. 解析网页内容,提取需要的信息。 4. 将提取的信息存储到本地或进行其他处理。 下面是一个简单的示例: ```c #include <stdio.h> #include <stdlib.h> #include <string.h> #include <unistd.h> #include <sys/socket.h> #include <arpa/inet.h> #define BUF_SIZE 1024 void error_handling(char *msg); int main(int argc, char *argv[]) { int sock; struct sockaddr_in serv_addr; char request[BUF_SIZE]; char response[BUF_SIZE]; if(argc!=2) { printf("Usage : %s <IP>\n", argv[0]); exit(1); } sock = socket(PF_INET, SOCK_STREAM, 0); if(sock == -1) error_handling("socket() error"); memset(&serv_addr, 0, sizeof(serv_addr)); serv_addr.sin_family = AF_INET; serv_addr.sin_addr.s_addr = inet_addr(argv[1]); serv_addr.sin_port = htons(80); if(connect(sock, (struct sockaddr*)&serv_addr, sizeof(serv_addr))==-1) error_handling("connect() error"); sprintf(request, "GET / HTTP/1.1\r\nHost: %s\r\nConnection: close\r\n\r\n", argv[1]); write(sock, request, strlen(request)); while(read(sock, response, BUF_SIZE-1)>0) { printf("%s", response); memset(response, 0, sizeof(response)); } close(sock); return 0; } void error_handling(char *msg) { fputs(msg, stderr); fputc('\n', stderr); exit(1); } ``` 这个示例使用Socket连接到一个Web服务器,发送HTTP请求获取网页内容,并将网页内容打印到控制台上。你可以根据需要对代码进行修改和扩展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值