当前位置:Linux教程 - Linux - Linux平台的下载程序

Linux平台的下载程序

http://www.ccw.com.cn 无锡市江南计算机技术研究所 杨剑新

有许多网络文件下载工具可以在Windows平台下很好地工作,如NetAnts、“网际快车”、TelePro等,还有像WebZip那样功能强大的离线浏览器。这些工具使我们可以在Windows环境下很轻松地下载网站上的文件、目录、网站的一部分,甚至整个网站。然而在Linux环境下,这类工具却很少。笔者通过自己的摸索,在集成开发环境KDevelop 1.2下实现了一个网站下载程序,它支持文件级的“多线程下载”和“断点续传”。下面本文分3部分介绍实现这一程序的基本技术。 
基本原理 
1.超级链接寻径算法 
要想灵活地下载一个网站的全部或部分内容,程序就必需具备从用户指定的URL开始,沿着它所包含的超级链接遍历整个网站的能力。在这个基础上根据用户的限制,筛选出所要下载的文件。 
从“图论”的角度分析,网站其实是一个由文件和超级链接组成的“连通有向图”。文件是图中的顶点,超级链接是有向边。我们需要对这个有向图进行“广度优先遍历”。为此,需要用一个队列URLQueue来存放待访问的目标。初始情况下,队列中只含有用户指定的那个URL。程序从队头取得下载目标的URL,如果它符合用户的限制,就下载它指向的文件。分析此文件,找出其中包括的超级链接,生成新的下载目标的URL,然后将它们插入到队列尾部。重复以上过程,直到队列中没有符合用户限制的URL为止。 
由于网站是一个“连通有向图”,所以沿着超级链接,很可能回到已经访问过的文件。为了避免程序出现死循环,要登记已经访问过的目标。在分析下载文件的超级链接时,我们要将生成的新目标的URL与已经访问过的进行比较,剔除会造成重复访问的URL。为了提高查询速度,我们采用了“哈希表”来存放从队头取出的URL。“哈希函数”可以采用将URL中的字符作为整型值相加,然后模一个质数的简单方法来实现。在本文介绍的程序中使用了质数103。 
2.多线程下载和断点续传 
多线程下载和断点续传使用了同一个技术。HTTP协议允许客户端在向服务器端发送下载一个文件的GET请求时,使用“Range: bytes=a1-a2""选项,要求服务器只传送指定文件中从第a1个字节到a2个字节之间的部分内容。因此下载一个文件时,可以将其分成若干段,然后启动多个线程,同时与服务器建立链接,分别传送一个文件的多个部分。最后在本地将其拼接成一个完整的文件。由于从网上下载文件时,瓶颈是在服务器端和网络传输过程中,所以采用多线程同时下载将大大提高下载速度。 
当文件传输因出现问题而中断时,程序可以将各个线程当前下载的进度和已经下载的内容当做“断点信息”保存到文件中。用户下一次下载同一目标时,程序可以根据文件中保留的断点信息下载上次未完成的部分,然后将整个文件拼接起来,完成下载工作。这种技术对于在经常“掉线”的情况下下载大文件非常有利。因此,在当前流行的下载软件中都采用了此项技术。 
Linux如何启动线程 
1.定义一个以void *为参数、返回void *的函数。例如,为了启动下载线程,需要定义如下函数: 
void * start(void * arg) 
{ 
((CWebCopy *) arg)->DownLoad(); 
return arg; 
} 
2.在需要启动线程时,只要三条语句。例如,启动下载线程的代码如下: 
#include  
pthread_t tid; 
pthread_create(&tid,NULL,start,arg); 
部分程序的实现 
由于篇幅有限,在这里我们只给出主控程序(图1)和下载控制线程(图2)的流程图,并给出下载线程的算法描述。 
 
图1 主控程序的流程图 
 
图2 下载控制线程的流程图 
 
以下是下载线程中三个关键性函数的算法描述(假定这三个函数都被封装在CwebCopy类中)。 
int CWebCopy ::DownLoad(char * host,char *path,int a1,int a2,BYTE * buf) 
{ 
//本函数从host所指定的HTTP服务器上下载路径为path的文件中从第a1字节到第a2字节的内容,与host所指定的主机的80端口(HTTP端口)建立流式链接,共尝试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服务器发送GET请求,下载当前指定路径下的文件的一部分  
Send(sock,“GET path%cHost: %s%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; 
//检查套接字是否接收到了数据,尝试20次,每次间隔1秒  
int readen; 
readen =ReadEn(sock,tv,20);  
//如果套接字中20秒内仍然没有数据,则认为超时 
if(readen < 1) return -1;  
//接收数据,并存放在信息缓冲区中 
inflen=read(sock,(buf+index),a2-a1); // 如果此文件所需部分已经下载结束 
if(inflen <= 0) break; 
} 
return 0; 
} 
else return -1; 
} 
int CWebCopy ::Send(int sock,char *fmt,...) 
{ 
//本函数将指定的字符串发送到sock所指向的远程HTTP服务器 
char BUF[1024]; 
va_list argptr; 
//处理可变个数参数  
va_start(argptr,fmt); 
//将参数整理成字符串后放入BUF中  
vsprintf(BUF,fmt,argptr); 
va_end(argptr); 
//将BUF中的字符串发送到sock所指向的远程服务器 
return send(sock ,BUF,strlen(BUF),0); 
} 
int CWebCopy ::ReadEn(int sock,struct timeval tv,int tryloop) 
{ 
//利用select函数检验套接字sock,如果套接字接收到数据则返回“读使能”,如果出现“内部中断”以外的错误,则返回 “读禁止” 
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 && errno !=EINTR)) 
break; 
sleep(1); 
} 
return readen; 
}