用C语言编写一个网络蜘蛛.doc

C 语言编写一个网络蜘蛛可能大家经常要去互联网上搜索特定的内容，比如收集大量邮件地址，如果用 google 之类的搜索引擎是没法实现这种特定功能的，所以用 C 语言来写一个吧。它的功能就是不断去取得网络上的页面，然后分析出网页上出现的邮件地址保存下来。象个蜘蛛一样，从网络上一个网页爬向另一个网页，不停止地搜索邮件地址。当然这只是一个原理展示程序，并没有进行优化。这个程序的 main 函数流程图如下：即：分析程序运行时的参数，把各网页地址作为根节点加入到链表，然后从链表头开始处理各节点对整个链表的处理是先处理兄弟节点，流程图如下：然后再处理各节点的子节点，流程图如下：当然，这里采用了递归调用方法，处理子节点的数据时和处理整个链表一样循环处理就是了。/************关于本文档*********************************************filename: 用 C 语言编写一个网络蜘蛛来搜索网上出现的电子邮件地址*purpose: 一个邮址搜索程序的雏形*wrote by: zhoulifa(zhoulifa@163.com) 周立发()Linux爱好者 Linux知识传播者 SOHO族 开发者 最擅长C语言*date time:2006-08-31 21:00:00*Note: 任何人可以任意复制代码并运用这些文档，当然包括你的商业用途* 但请遵循GPL*Hope:希望越来越多的人贡献自己的力量，为科学技术发展出力*********************************************************************/程序在运行的过程中要建立一个树形链表结构，结构图如下：程序启动时分析所带参数，把各参数加入到根网页节点，如果有多个参数则这个根网页有兄弟节点。然后从根节点开始处理这一级上各节点，把各节点网页上出现的网页链接加到该节点的子节点上，处理完当前这一级后处理子节点这一级。源代码如下：[code]#include sys/types.h#include sys/stat.h#include fcntl.h#include sys/mman.h#include unistd.h#include stdio.h#include string.h#include stdlib.h#include netdb.h#include errno.h#include locale.h#define USERAGENT Wget/1.10.2#define ACCEPT */*#define ACCEPTLANGUAGE zh-cn,zh;q=0.5#define ACCEPTENCODING gzip,deflate#define ACCEPTCHARSET gb2312,utf-8;q=0.7,*;q=0.7#define KEEPALIVE 300#define CONNECTION keep-alive#define CONTENTTYPE application/x-www-form-urlencoded#define MAXFILENAME 14#define DEBUG 1typedef struct webnode {? ? ? ? char * host;? ?? ?? ?? ?? ???/* 网页所在的主机 */? ? ? ? int port;? ?? ?? ?? ?? ?? ???/* 网络服务器所使用的端口 */? ? ? ? char * dir;? ?? ?? ?? ?? ?? ?/* 网页所在的目录 */? ? ? ? char * page;? ?? ?? ?? ?? ???/* 网页文件名 */? ? ? ? char * file;? ?? ?? ?? ?? ???/* 本地保存的文件名 */? ? ? ? char IsHandled;? ?? ?? ?? ???/* 是否处理过 */? ? ? ? struct webnode * brother;? ? /* 兄弟节点链表指针 */? ? ? ? struct webnode * child;? ?? ?/* 子节点链表指针 */} WEBNODE;struct sockaddr_in server_addr;int sockfd = 0, dsend = 0, totalsend = 0, nbytes = 0, reqn = 0, i = 0, j = 0, ret = 0;struct hostent *host;char r