Linux平臺的下載程序

有許多網(wǎng)絡文件下載工具可以在Windows平臺下很好地工作，如NetAnts、“網(wǎng)際快車”、TelePro等，還有像WebZip那樣功能強大的離線瀏覽器。這些工具使我們可以在Windows環(huán)境下很輕松地下載網(wǎng)站上的文件、目錄、網(wǎng)站的一部分，甚至整個網(wǎng)站。然而在Linux環(huán)境下，這類工具卻很少。筆者通過自己的摸索，在集成開發(fā)環(huán)境KDevelop　1.2下實現(xiàn)了一個網(wǎng)站下載程序，它支持文件級的“多線程下載”和“斷點續(xù)傳”。下面本文分3部分介紹實現(xiàn)這一程序的基本技術?！?
基本原理　
1．超級鏈接尋徑算法　
要想靈活地下載一個網(wǎng)站的全部或部分內(nèi)容，程序就必需具備從用戶指定的URL開始，沿著它所包含的超級鏈接遍歷整個網(wǎng)站的能力。在這個基礎上根據(jù)用戶的限制，篩選出所要下載的文件?！?
從“圖論”的角度分析，網(wǎng)站其實是一個由文件和超級鏈接組成的“連通有向圖”。文件是圖中的頂點，超級鏈接是有向邊。我們需要對這個有向圖進行“廣度優(yōu)先遍歷”。為此，需要用一個隊列URLQueue來存放待訪問的目標。初始情況下，隊列中只含有用戶指定的那個URL。程序從隊頭取得下載目標的URL，如果它符合用戶的限制，就下載它指向的文件。分析此文件，找出其中包括的超級鏈接，生成新的下載目標的URL，然后將它們插入到隊列尾部。重復以上過程，直到隊列中沒有符合用戶限制的URL為止。　
由于網(wǎng)站是一個“連通有向圖”，所以沿著超級鏈接，很可能回到已經(jīng)訪問過的文件。為了避免程序出現(xiàn)死循環(huán)，要登記已經(jīng)訪問過的目標。在分析下載文件的超級鏈接時，我們要將生成的新目標的URL與已經(jīng)訪問過的進行比較，剔除會造成重復訪問的URL。為了提高查詢速度，我們采用了“哈希表”來存放從隊頭取出的URL。“哈希函數(shù)”可以采用將URL中的字符作為整型值相加，然后模一個質(zhì)數(shù)的簡單方法來實現(xiàn)。在本文介紹的程序中使用了質(zhì)數(shù)103。　
2．多線程下載和斷點續(xù)傳　
多線程下載和斷點續(xù)傳使用了同一個技術。HTTP協(xié)議允許客戶端在向服務器端發(fā)送下載一個文件的GET請求時，使用“Range:　bytes=a1－a2選項，要求服務器只傳送指定文件中從第a1個字節(jié)到a2個字節(jié)之間的部分內(nèi)容。因此下載一個文件時，可以將其分成若干段，然后啟動多個線程，同時與服務器建立鏈接，分別傳送一個文件的多個部分。最后在本地將其拼接成一個完整的文件。由于從網(wǎng)上下載文件時，瓶頸是在服務器端和網(wǎng)絡傳輸過程中，所以采用多線程同時下載將大大提高下載速度?！?
當文件傳輸因出現(xiàn)問題而中斷時，程序可以將各個線程當前下載的進度和已經(jīng)下載的內(nèi)容當做“斷點信息”保存到文件中。用戶下一次下載同一目標時，程序可以根據(jù)文件中保留的斷點信息下載上次未完成的部分，然后將整個文件拼接起來，完成下載工作。這種技術對于在經(jīng)常“掉線”的情況下下載大文件非常有利。因此，在當前流行的下載軟件中都采用了此項技術?！?
Linux如何啟動線程　
1.定義一個以void?。獮閰?shù)、返回void?。暮瘮?shù)。例如，為了啟動下載線程，需要定義如下函數(shù)：　
void?。tart(void?。rg)　
{　
((CWebCopy?。?　arg)－>DownLoad();　
return　arg;　
}　
2．在需要啟動線程時，只要三條語句。例如，啟動下載線程的代碼如下：　
＃include　　
pthread_t　tid;　
pthread_create(＆tid,NULL,start,arg);　
部分程序的實現(xiàn)　
　
以下是下載線程中三個關鍵性函數(shù)的算法描述（假定這三個函數(shù)都被封裝在CwebCopy類中）?！?
int　CWebCopy::DownLoad(char?。ost,char?。猵ath,int　a1,int　a2，BYTE?。uf)　
{　
//本函數(shù)從host所指定的HTTP服務器上下載路徑為path的文件中從第a1字節(jié)到第a2字節(jié)的內(nèi)容，與host所指定的主機的80端口(HTTP端口)建立流式鏈接,共嘗試5次　　
bool　connected　=　false;　
int　sock;　//用于存放套接字描述符　
for(i　=　0;　i　　5　;　i＋＋){　
if((sock　=　Connect(host,80))　　0)　
sleep(1);　
else{　
connected　=　true;　
break;　
}　　
}　　
if(connected){　
//向指定的HTTP服務器發(fā)送GET請求,下載當前指定路徑下的文件的一部分　　
Send(sock,“GET　path％cHost:?。％cRange:　bytes=％d－％d％c”,path,10,host,10,a1,a2,10);　　
int　inflen,index　=　0;　
while(1){　
struct　timeval　tv;　
tv.tv_sec　=　1;　
tv.tv_usec　=　0;　
//檢查套接字是否接收到了數(shù)據(jù),嘗試20次,每次間隔1秒　　
int　readen;　
readen　=ReadEn(sock,tv,20);　　
//如果套接字中20秒內(nèi)仍然沒有數(shù)據(jù)，則認為超時　
if(readen　　1)　return?。?;　　
//接收數(shù)據(jù),并存放在信息緩沖區(qū)中　
inflen=read(sock,(buf＋index),a2－a1);　//　如果此文件所需部分已經(jīng)下載結(jié)束　
if(inflen　=　0)　break;　
}　
return　0;　
}　
else　return?。?;　
}　
int　CWebCopy　::Send(int　sock，char　＊fmt,...)　
{　
//本函數(shù)將指定的字符串發(fā)送到sock所指向的遠程HTTP服務器　
char　BUF[1024];　
va_list　argptr;　
//處理可變個數(shù)參數(shù)　　
va_start(argptr,fmt);　
//將參數(shù)整理成字符串后放入BUF中　　
vsprintf(BUF,fmt,argptr);　
va_end(argptr);　
//將BUF中的字符串發(fā)送到sock所指向的遠程服務器　
return　send(sock　,BUF,strlen(BUF),0);　
}　
int　CWebCopy　::ReadEn(int　sock，struct　timeval　tv,int　tryloop)　
{　
//利用select函數(shù)檢驗套接字sock,如果套接字接收到數(shù)據(jù)則返回“讀使能”,如果出現(xiàn)“內(nèi)部中斷”以外的錯誤,則返回　“讀禁止”　
fd_set　rfdset;　
FD_ZERO(＆rfdset);　
FD_SET(sock,＆rfdset);　
int　readen　=　0;　
for(int　i　=　0;　i　　tryloop;　i＋＋){　
readen　=　select(m_sock＋1,＆rfdset,NULL,NULL,＆tv);　
if(readen>0||(readen　0?。ΓΑrrno　!=EINTR))　
break;　
sleep(1);　
}　
return　readen;　
}