吐槽
前天心血来潮, 把自己面试经历下了下来.
我觉得自己求职一路来比较心酸, 也付出了比一般人更多的汗水.
本以为写出来, 好歹可以作为一篇励志故事.
得到的评论却是,
语言只是一门工具. ||| 这句话我已经听了4年了!
我以前也是XX, 现在XXX. ||| 直到你膝盖中了一箭?
我也是用c的...只能说,重要的是一种学习的能力,会用即可. ||| 呵呵.
可能能对于你的同学,你是优秀的,但是可能对于你想工作的方向的公司来说,你会的太少,不值得一些公司去培养,所以还是建议你把基础再好好踏实一下更有利。
最后一句话是让我最不爽的.
现在的人啊, 看什么就是什么, 以偏概全,
上的大学不好, 从入大学到大学毕业, 这经过了多少年, 从这多少年前就注定的事能认定这个人现在的水平么?
网投了几百份简历, 没有收到一个面试通知,
直接去公司霸面, 面了2个, 过了2个.
难道这个问题不是出在简历上?
突然就想起了找工作那段时间, 我在某群发了一条挂广告.
立马就有人出来扮演一位阅人无数的高人.
直言说, 你要是很优秀早就有人抢去了, 还是报个培训机构吧.
C++程序员都明白, C++成型慢, 一般公司都不会用新人, 更别说专科毕业的了.
那些习惯了速成的人是不会明白的.
好了, 吐槽完毕. 切换模式.
C++实现网络爬虫
#include <iostream> #include <vector> #include <list> #include <map> #include <queue> #include <string> #include <utility> #include <regex> #include <fstream> #include <WinSock2.h> #include <Windows.h> #pragma comment(lib, "ws2_32.lib") using namespace std; void startupWSA() { WSADATA wsadata; WSAStartup( MAKEWORD(,), &wsadata); } inline void cleanupWSA() { WSACleanup(); } inline pair<string, string> binaryString(const string &str, const string &dilme) { pair<string, string> result(str, ""); auto pos = str.find(dilme); if ( pos != string::npos ) { result.first = str.substr(, pos); result.second = str.substr(pos + dilme.size()); } return result; } inline string getIpByHostName(const string &hostName) { hostent* phost = gethostbyname( hostName.c_str() ); ]): ""; } inline SOCKET connect(const string &hostName) { auto ip = getIpByHostName(hostName); if ( ip.empty() ) ; auto sock = socket(AF_INET, SOCK_STREAM, ); if ( sock == INVALID_SOCKET ) ; SOCKADDR_IN addr; addr.sin_family = AF_INET; addr.sin_port = htons(); addr.sin_addr.s_addr = inet_addr(ip.c_str()); if ( connect(sock, (const sockaddr *)&addr, sizeof(SOCKADDR_IN)) == SOCKET_ERROR ) ; return sock; } inline bool sendRequest(SOCKET sock, const string &host, const string &get) { string http = "GET " + get + " HTTP/1.1\r\n" + "HOST: " + host + "\r\n" + "Connection: close\r\n\r\n"; ], http.size(), ); } inline string recvRequest(SOCKET sock) { , }; * , '\0'); auto len = , reclen = ; do { fd_set fd = {}; FD_SET(sock, &fd); reclen = ; , &fd, nullptr, nullptr, &wait) > ) { reclen = recv(sock, &buffer[] + len, * - len, ); ) len += reclen; } FD_ZERO(&fd); } ); ? buffer[] == ] == ] == ' ? buffer.substr(, len) : "" : ""; } inline void extUrl(const string &buffer, queue<string> &urlQueue) { if (buffer.empty()) { return ; } smatch result; auto curIter = buffer.begin(); auto endIter = buffer.end(); while ( regex_search(curIter, endIter, result, regex("href=\"(https?:)?//\\S+\"") ) ) { urlQueue.push(regex_replace( result[].str(), regex("href=\"(https?:)?//(\\S+)\""), "$2") ); curIter = result[].second; } } void Go(const string &url, int count) { queue<string> urls; urls.push(url); ; i != count; ++i) { if ( !urls.empty() ) { auto &url = urls.front(); auto pair = binaryString( url, "/" ); auto sock = connect(pair.first); if ( sock && sendRequest(sock, pair.first, "/" + pair.second) ) { auto buffer = move( recvRequest(sock) ); extUrl(buffer, urls); } closesocket(sock); cout << url << ": count=> " << urls.size() << endl; urls.pop(); } } } int main() { startupWSA(); Go(); cleanupWSA(); ; }
该爬虫只花了1个小时左右.
其实我想说, 写的很烂, 大伙不要喷.
http协议, socket, 正则表达式咱们就不说了..
说说这个原理,
所有的 URL 全都放在 urls 这个队列中.
首先要 push 一个根 URL.
之后爬虫就行动了.
过程大概是这样:
从urls取出一个URL => 读出URL网页全部内容 => 分析所有URL => 把URL放进 urls => 从 urls 弹出一个 URL.
URL 是 host + get.
因此需要一个 binaryString 把它切开.
效率也不是很快, 1分钟大概4W条URL, 去掉重复至少也有好几千吧.
有一点需要注意.
C++11 的正则表达式真心有点难用~~~
我不知道怎么多次匹配..
只好用一个循环了..
网上搜出来一个答案, 写法有点莫名其妙..