c語言爬蟲不調庫_如何優雅地使用c語言編寫爬蟲

① c語言如何在不調用庫函數下完成字元串的大小比較

char型可以直接比較大小，就和int型一樣。然後再按照strcmp()函數的演算法自行寫一個功能一樣的函數即可。

② 為什麼c語言不適合寫爬蟲

c語言不適合寫爬蟲是因為，C語言本質上是需要發請求加html解析的，所以可用的開源庫相比較於Python來說就會少很多，如果不使用開源庫而自己發請求，加上自己來解析，那就是一個特別浩瀚龐大的工程，因此最好不要用c語言來寫爬蟲。這里所說的爬蟲，其實原理了來說就是發送HTTP請求加上解析html頁面，從而能夠獲取頁面上的一些目標數據。任何的一個編程語言理論上來說都是能夠寫爬蟲的，不過寫起來可用的庫或者是難易程度方面是有很大的差異的，用python可以使用別人已經封裝好的爬蟲框架，這樣就便捷多了。

C語言和 Python 是編程語言界的兩個極端，從不同的語言入手學習，就是選擇了兩條不同的學習路徑。C語言執行效率極高，堪比匯編語言；Python 執行效率極低，而且沒法提速。Python 模塊非常豐富，大部分常用功能都可以找到對應的模塊，而且很有可能不止一個；C語言基本沒有什麼模塊，想要什麼都得自己開發，或者把別人寫好的代碼拿過來改改。

③ 怎麼在DOS下用C語言寫網路爬蟲

獲取cspider_t。
自定義user agent，cookie，timeout，proxy以及抓取線程和解析線程的最大數量。
添加初始要抓取的url到任務隊列。
編寫解析函數和數據持久化函數。
啟動爬蟲。

例子

先來看下簡單的爬蟲例子，會在後面詳細講解例子。

#include<cspider/spider.h>

自定義的解析函數，d為獲取到的html頁面字元串

void p(cspider_t *cspider, char *d, void *user_data) {

char *get[100];

//xpath解析html

int size = xpath(d, "//body/div[@class='wrap']/div[@class='sort-column area']/div[@class='column-bd cfix']/ul[@class='st-list cfix']/li/strong/a", get， 100);

int i;

for (i = 0; i < size; i++) {

//將獲取到的電影名稱，持久化

saveString(cspider, get[i]);

}

}

數據持久化函數，對上面解析函數中調用的saveString()函數傳入的數據，進行進一步的保存

void s(void *str, void *user_data) {

char *get = (char *)str;

FILE *file = (FILE*)user_data;

fprintf(file, "%s ", get);

return;

}

int main() {

//初始化spider

cspider_t *spider = init_cspider();

char *agent = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.10; rv:42.0) Gecko/20100101 Firefox/42.0";

//char *cookie = "bid=s3/yuH5Jd/I; ll=108288; viewed=1130500_24708145_6433169_4843567_1767120_5318823_1899158_1271597; __utma=30149280.927537245.1446813674.1446983217.1449139583.4; __utmz=30149280.1449139583.4.4.utmcsr=accounts.douban.com|utmccn=(referral)|utmcmd=referral|utmcct=/login; ps=y; [email protected]; dbcl2=58742090:QgZ2PSLiDLQ; ck=T9Wn; push_noty_num=0; push_doumail_num=7; ap=1; __utmb=30149280.0.10.1449139583; __utmc=30149280";

//設置要抓取頁面的url

cs_setopt_url(spider, "so.tv.sohu.com/list_p1100_p20_p3_u5185_u5730_p40_p5_p6_p77_p80_p9_2d1_p101_p11.html");

//設置user agent

cs_setopt_useragent(spider, agent);

//cs_setopt_cookie(spider, cookie);

//傳入解析函數和數據持久化函數的指針

cs_setopt_process(spider, p, NULL);

//s函數的user_data指針指向stdout

cs_setopt_save(spider, s, stdout);

//設置線程數量

cs_setopt_threadnum(spider, DOWNLOAD, 2);

cs_setopt_threadnum(spider, SAVE, 2);

//FILE *fp = fopen("log", "wb+");

//cs_setopt_logfile(spider, fp);

//開始爬蟲

return cs_run(spider);

}

④ 我想用c編寫一個爬蟲程序，可是看完一本c語言教程後，還是覺得只會編寫一些計算類的小代碼，要學會編寫

C++開發難度而言會大一些。你可以學學比如Python之類的，爬蟲找到好用的庫，沒多久就能做好了。

⑤ c語言不用#怎麼調用庫函數或者不調用庫函數怎麼輸出

C語言的輸出，可以調用庫函數printf，C語言自己是不帶輸出語句的。

⑥ 設計一個c語言演算法，實現strcmp(s,t)功能。不能直接調用庫函數。

int strcmp(char*s, char*t)
{
while(*s && *t){
if(*s>*t)return 1;
if(*s<*t)return -1;
s++;
t++;
}
if(*s)return 1;
if(*t)return -1;
return 0;
}

⑦ 可以一邊學python爬蟲一邊學c語言嗎

不建議這個學習規劃。
建議先學習C語言，但不用學的很深。C語言是面向過程的，這思想適用於任何程序語言。
然後大致學習一下python的基礎語法，再了解一下面向對象的編程思想。
最後再來學習爬蟲，期間還需要了解html/js/css
當然這個屬於系統的學習，可以深度的掌握爬蟲技術。
如果你只是先爬一下簡單的數據，使用度不高，那就無所謂，一些爬蟲框架，其實就是配置一些簡單的參數，使用節點提取函數，如果自學能力強，確實是很簡單，可以直接學習。

⑧ 如何優雅地使用c語言編寫爬蟲

前言
大家在平時或多或少地都會有編寫網路爬蟲的需求。一般來說，編寫爬蟲的首選自然非python莫屬，除此之外，java等語言也是不錯的選擇。選擇上述語言的原因不僅僅在於它們均有非常不錯的網路請求庫和字元串處理庫，還在於基於上述語言的爬蟲框架非常之多和完善。良好的爬蟲框架可以確保爬蟲程序的穩定性，以及編寫程序的便捷性。所以，這個cspider爬蟲庫的使命在於，我們能夠使用c語言，依然能夠優雅地編寫爬蟲程序。
爬蟲的特性
配置方便。使用一句設置函數，即可定義user agent，cookie，timeout，proxy以及抓取線程和解析線程的最大數量。
程序邏輯獨立。用戶可以分別定義爬蟲的解析函數，和數據持久化函數。並且對於解析到的新url，用戶可以使用cspider提供的addUrl函數，將其加入到任務隊列中。
便捷的字元串處理。cspider中提供了基於pcre的簡單的正則表達式函數，基於libxml2的xpath解析函數，以及用於解析json的cJSON庫。
高效的抓取。cspider基於libuv調度抓取線程和解析線程，使用curl作為其網路請求庫。
使用cspider的步驟
獲取cspider_t。
自定義user agent，cookie，timeout，proxy以及抓取線程和解析線程的最大數量。
添加初始要抓取的url到任務隊列。
編寫解析函數和數據持久化函數。
啟動爬蟲。
例子
先來看下簡單的爬蟲例子，會在後面詳細講解例子。
#include<cspider/spider.h>

/*
自定義的解析函數，d為獲取到的html頁面字元串
*/
void p(cspider_t *cspider, char *d, void *user_data) {

char *get[100];
//xpath解析html
int size = xpath(d, "//body/div[@class='wrap']/div[@class='sort-column area']/div[@class='column-bd cfix']/ul[@class='st-list cfix']/li/strong/a", get， 100);

int i;
for (i = 0; i < size; i++) {
//將獲取到的電影名稱，持久化
saveString(cspider, get[i]);
}

}
/*
數據持久化函數，對上面解析函數中調用的saveString()函數傳入的數據，進行進一步的保存
*/
void s(void *str, void *user_data) {
char *get = (char *)str;
FILE *file = (FILE*)user_data;
fprintf(file, "%s\n", get);
return;
}

int main() {
//初始化spider
cspider_t *spider = init_cspider();
char *agent = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.10; rv:42.0) Gecko/20100101 Firefox/42.0";
//char *cookie = "bid=s3/yuH5Jd/I; ll=108288; viewed=1130500_24708145_6433169_4843567_1767120_5318823_1899158_1271597; __utma=30149280.927537245.1446813674.1446983217.1449139583.4; __utmz=30149280.1449139583.4.4.utmcsr=accounts.douban.com|utmccn=(referral)|utmcmd=referral|utmcct=/login; ps=y; [email protected]; dbcl2=58742090:QgZ2PSLiDLQ; ck=T9Wn; push_noty_num=0; push_doumail_num=7; ap=1; __utmb=30149280.0.10.1449139583; __utmc=30149280";

//設置要抓取頁面的url
cs_setopt_url(spider, "so.tv.sohu.com/list_p1100_p20_p3_u5185_u5730_p40_p5_p6_p77_p80_p9_2d1_p101_p11.html");
//設置user agent
cs_setopt_useragent(spider, agent);
//cs_setopt_cookie(spider, cookie);
//傳入解析函數和數據持久化函數的指針
cs_setopt_process(spider, p, NULL);
//s函數的user_data指針指向stdout
cs_setopt_save(spider, s, stdout);
//設置線程數量
cs_setopt_threadnum(spider, DOWNLOAD, 2);
cs_setopt_threadnum(spider, SAVE, 2);
//FILE *fp = fopen("log", "wb+");
//cs_setopt_logfile(spider, fp);
//開始爬蟲
return cs_run(spider);
}
例子講解
cspider_t *spider = init_cspider();獲取初始的cspider。cs_setopt_xxx這類函數可以用來進行初始化設置。其中要注意的是: cs_setopt_process(spider,p,NULL);與cs_setopt_save(spider,s,stdout);，它們分別設置了解析函數p和數據持久化函數s，這兩個函數需要用戶自己實現，還有用戶自定義的指向上下文信息user_data的指針。
在解析函數中，用戶要定義解析的規則，並對解析得到的字元串可以調用saveString進行持久化，或者是調用addUrl將url加入到任務隊列中。在saveString中傳入的字元串會在用戶自定義的數據持久函數中得到處理。此時，用戶可以選擇輸出到文件或資料庫等。
最後調用cs_run(spider)即可啟動爬蟲。
具體的API參數可在這里查看
總結
趕快使用cspider爬蟲框架來編寫爬蟲吧！如果在使用過程中發現bug，歡迎反饋。

望採納，謝謝

⑨ 為什麼c語言不適合寫爬蟲

開發效率低

⑩ 編寫一個函數fun（）其功能為實現兩個字元串的連接（不調用函數庫） C語言

fun函數編寫有些問題，做如下修改，修改說明在代碼中給出：

voidfun(charp1[],charp2[])
{
inti=0,M=0,N=0;
while(p1[i++])
{
M++;
}
i=0;//重新初始化i為0，統計p2長度
while(p2[i++])
{
N++;
}
for(i=0;i<N;i++)//把p2拼接到p1後面，所以共有N個字元，循環N次
{
p1[i+M]=p2[i];
}
p1[M+N]='';
}

c語言爬蟲不調庫

與c語言爬蟲不調庫相關的內容