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

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　

if((sock　=　Connect(host,80))　

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　

//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　

readen　=　select(m_sock＋1,＆rfdset,NULL,NULL,＆tv);

if(readen>0||(readen

break;

sleep(1);

}

return　readen;

}

分享到：

来源：互联网

版权声明：本网站转载的所有的文章、图片、音频视频文件等资料的版权归版权所有人所有，本站采用的非本站原创文章及图片等内容无法一一联系确认版权者。如果本网所选内容的文章作者及编辑认为其作品不宜公开自由传播，或不应无偿使用，请及时通过电子邮件或电话通知我们，以迅速采取适当措施，避免给双方造成不必要的经济损失。