Chinaunix首页 | 论坛 | 博客
  • 博客访问: 1292695
  • 博文数量: 79
  • 博客积分: 1959
  • 博客等级: 上尉
  • 技术积分: 2719
  • 用 户 组: 普通用户
  • 注册时间: 2007-11-19 12:07
个人简介

樽中酒不空

文章分类

全部博文(79)

文章存档

2024年(3)

2020年(4)

2019年(1)

2017年(2)

2016年(2)

2015年(7)

2014年(11)

2013年(13)

2012年(18)

2011年(2)

2010年(16)

分类: LINUX

2010-09-01 09:38:18

在"c语言写soap"文章中提到用C下载soap,其实也就是http内容。
地址:http://blog.chinaunix.net/u1/54401/showart.php?id=2310264

不过后来发现有个问题,有些 web server,比如lighttpd,不用content-leng,而是在http头和包体之间直接写长度。这样分析起来稍有困难。后来参考httpfetch代码,解决了这个问题。做到和常用浏览器兼容。
下载就采用那个文章上的方案,分析采用httpfetch,很简单,一个函数(其中调用几个工具函数):

int timeout = 2;
char *userAgent = NULL;
char *referer = NULL;
int hideUserAgent = 0;
int hideReferer = 1;
static int followRedirects = DEFAULT_REDIRECTS;    /* # of redirects to follow */
extern const char *http_errlist[];    /* Array of HTTP Fetcher error messages */
extern char convertedError[128];    /* Buffer to used when errors contain %d */
static int errorSource = 0;
static int http_errno = 0;
static int errorInt = 0;            /* When the error message has a %d in it,
                                     *    this variable is inserted */


    /*
     * Actually downloads the page, registering a hit (donation)
     *    If the fileBuf passed in is NULL, the url is downloaded and then
     *    freed; otherwise the necessary space is allocated for fileBuf.
     *    Returns size of download on success, -1 on error is set,
     */

int http_fetch(const char *url_tmp, char **fileBuf)
    {
    fd_set rfds;
    struct timeval tv;
    char headerBuf[HEADER_BUF_SIZE];
    char *tmp, *url, *pageBuf, *requestBuf = NULL, *host, *charIndex;
    int sock, bytesRead = 0, contentLength = -1, bufsize = REQUEST_BUF_SIZE;
    int i,
        ret = -1,
        tempSize,
        selectRet,
        found = 0,    /* For redirects */
        redirectsFollowed = 0;


    if(url_tmp == NULL)
        {
        errorSource = FETCHER_ERROR;
        http_errno = HF_NULLURL;
        return -1;
        }

    /* Copy the url passed in into a buffer we can work with, change, etc. */
    url = (char*)malloc(strlen(url_tmp)+1);
    if(url == NULL)
        {
        errorSource = ERRNO;
        return -1;
        }
    strncpy(url, url_tmp, strlen(url_tmp) + 1);
   
    /* This loop allows us to follow redirects if need be.  An afterthought,
     * added to provide this basic functionality.  Will hopefully be designed
     * better in 2.x.x ;) */
/*    while(!found &&
          (followRedirects < 0 || redirectsFollowed < followRedirects) )
  */  do
        {
        /* Seek to the file path portion of the url */
        charIndex = strstr(url, "://");
        if(charIndex != NULL)
            {
            /* url contains a protocol field */
            charIndex += strlen("://");
            host = charIndex;
            charIndex = strchr(charIndex, '/');
            }
        else
            {
            host = (char *)url;
            charIndex = strchr(url, '/');
            }

        /* Compose a request string */
        requestBuf = (char*)malloc(bufsize);
        if(requestBuf == NULL)
            {
            free(url);
            errorSource = ERRNO;
            return -1;
            }
        requestBuf[0] = 0;

        if(charIndex == NULL)
            {
            /* The url has no '/' in it, assume the user is making a root-level
             *    request */
            tempSize = strlen("GET /") + strlen(HTTP_VERSION) + 2;
            if(_checkBufSize(&requestBuf, &bufsize, tempSize) ||
                snprintf(requestBuf, bufsize, "GET / %s\r\n", HTTP_VERSION) < 0)
                {
                free(url);
                free(requestBuf);
                errorSource = ERRNO;
                return -1;
                }
            }
        else
            {
            tempSize = strlen("GET ") + strlen(charIndex) +
                strlen(HTTP_VERSION) + 4;
             /* + 4 is for ' ', '\r', '\n', and NULL */
                                   
            if(_checkBufSize(&requestBuf, &bufsize, tempSize) ||
                    snprintf(requestBuf, bufsize, "GET %s %s\r\n",
                    charIndex, HTTP_VERSION) < 0)
                {
                free(url);
                free(requestBuf);
                errorSource = ERRNO;
                return -1;
                }
            }

        /* Null out the end of the hostname if need be */
        if(charIndex != NULL)
            *charIndex = 0;

        /* Use Host: even though 1.0 doesn't specify it.  Some servers
         *    won't play nice if we don't send Host, and it shouldn't
         *    hurt anything */
        ret = bufsize - strlen(requestBuf); /* Space left in buffer */
        tempSize = (int)strlen("Host: ") + (int)strlen(host) + 3;
        /* +3 for "\r\n\0" */
        if(_checkBufSize(&requestBuf, &bufsize, tempSize + 128))
            {
            free(url);
            free(requestBuf);
            errorSource = ERRNO;
            return -1;
            }
        strcat(requestBuf, "Host: ");
        strcat(requestBuf, host);
        strcat(requestBuf, "\r\n");

        if(!hideReferer && referer != NULL)    /* NO default referer */
            {
            tempSize = (int)strlen("Referer: ") + (int)strlen(referer) + 3;
               /* + 3 is for '\r', '\n', and NULL */
            if(_checkBufSize(&requestBuf, &bufsize, tempSize))
                {
                free(url);
                free(requestBuf);
                errorSource = ERRNO;
                return -1;
                }
            strcat(requestBuf, "Referer: ");
            strcat(requestBuf, referer);
            strcat(requestBuf, "\r\n");
            }

        if(!hideUserAgent && userAgent == NULL)
            {
            tempSize = (int)strlen("User-Agent: ") +
                (int)strlen(DEFAULT_USER_AGENT) + (int)strlen(HTTP_VERSION) + 4;
               /* + 4 is for '\', '\r', '\n', and NULL */
            if(_checkBufSize(&requestBuf, &bufsize, tempSize))
                {
                free(url);
                free(requestBuf);
                errorSource = ERRNO;
                return -1;
                }
            strcat(requestBuf, "User-Agent: ");
            strcat(requestBuf, DEFAULT_USER_AGENT);
            strcat(requestBuf, "/");
            strcat(requestBuf, HTTP_VERSION);
            strcat(requestBuf, "\r\n");
            }
        else if(!hideUserAgent)
            {
            tempSize = (int)strlen("User-Agent: ") + (int)strlen(userAgent) + 3;
               /* + 3 is for '\r', '\n', and NULL */
            if(_checkBufSize(&requestBuf, &bufsize, tempSize))
                {
                free(url);
                free(requestBuf);
                errorSource = ERRNO;
                return -1;
                }
            strcat(requestBuf, "User-Agent: ");
            strcat(requestBuf, userAgent);
            strcat(requestBuf, "\r\n");
            }

        tempSize = (int)strlen("Connection: Close\r\n\r\n");
        if(_checkBufSize(&requestBuf, &bufsize, tempSize))
            {
            free(url);
            free(requestBuf);
            errorSource = ERRNO;
            return -1;
            }
        strcat(requestBuf, "Connection: Close\r\n\r\n");

        /* Now free any excess memory allocated to the buffer */
        tmp = (char*)realloc(requestBuf, strlen(requestBuf) + 1);
        if(tmp == NULL)
            {
            free(url);
            free(requestBuf);
            errorSource = ERRNO;
            return -1;
            }
        requestBuf = tmp;

        sock = makeSocket(host);        /* errorSource set within makeSocket */
        if(sock == -1) { free(url); free(requestBuf); return -1;}

        free(url);
        url = NULL;

        if(write(sock, requestBuf, strlen(requestBuf)) == -1)
            {
            close(sock);
            free(requestBuf);
            errorSource = ERRNO;
            return -1;
            }

        free(requestBuf);
        requestBuf = NULL;

        /* Grab enough of the response to get the metadata */
        ret = _http_read_header(sock, headerBuf);    /* errorSource set within */
        if(ret < 0) { close(sock); return -1; }

        /* Get the return code */
        charIndex = strstr(headerBuf, "HTTP/");
        if(charIndex == NULL)
            {
            close(sock);
            errorSource = FETCHER_ERROR;
            http_errno = HF_FRETURNCODE;
            return -1;
            }
        while(*charIndex != ' ')
            charIndex++;
        charIndex++;

        ret = sscanf(charIndex, "%d", &i);
        if(ret != 1)
            {
            close(sock);
            errorSource = FETCHER_ERROR;
            http_errno = HF_CRETURNCODE;
            return -1;
            }
        if(i<200 || i>307)
            {
            close(sock);
            errorInt = i;    /* Status code, to be inserted in error string */
            errorSource = FETCHER_ERROR;
            http_errno = HF_STATUSCODE;
            return -1;
            }

        /* If a redirect, repeat operation until final URL is found or we
         *  redirect followRedirects times.  Note the case sensitive "Location",
         *  should probably be made more robust in the future (without relying
         *  on the non-standard strcasecmp()).
         * This bit mostly by Dean Wilder, tweaked by me */
        if(i >= 300)
            {
            redirectsFollowed++;

            /* Pick up redirect URL, allocate new url, and repeat process */
            charIndex = strstr(headerBuf, "Location:");
            if(!charIndex)
                {
                close(sock);
                errorInt = i; /* Status code, to be inserted in error string */
                errorSource = FETCHER_ERROR;
                http_errno = HF_CANTREDIRECT;
                return -1;
                }
            charIndex += strlen("Location:");
            /* Skip any whitespace... */
            while(*charIndex != '\0' && isspace(*charIndex))
                charIndex++;
            if(*charIndex == '\0')
                {
                close(sock);
                errorInt = i; /* Status code, to be inserted in error string */
                errorSource = FETCHER_ERROR;
                http_errno = HF_CANTREDIRECT;
                return -1;
                }

            i = strcspn(charIndex, " \r\n");
            if(i > 0)
                {
                url = (char *)malloc(i + 1);
                strncpy(url, charIndex, i);
                url[i] = '\0';
                }
            else
                /* Found 'Location:' but contains no URL!  We'll handle it as
                 * 'found', hopefully the resulting document will give the user
                 * a hint as to what happened. */
                found = 1;
            }
        else
            found = 1;
        }

        while(!found &&
                (followRedirects < 0 || redirectsFollowed <= followRedirects) );

    if(url) /* Redirection code may malloc this, then exceed followRedirects */
        {
        free(url);
        url = NULL;
        }
   
    if(redirectsFollowed >= followRedirects && !found)
        {
        close(sock);
        errorInt = followRedirects; /* To be inserted in error string */
        errorSource = FETCHER_ERROR;
        http_errno = HF_MAXREDIRECTS;
        return -1;
        }
   
    /*
     * Parse out about how big the data segment is.
     *    Note that under current HTTP standards (1.1 and prior), the
     *    Content-Length field is not guaranteed to be accurate or even present.
     *    I just use it here so I can allocate a ballpark amount of memory.
     *
     * Note that some servers use different capitalization
     */
    charIndex = strstr(headerBuf, "Content-Length:");
    if(charIndex == NULL)
        charIndex = strstr(headerBuf, "Content-length:");

    if(charIndex != NULL)
        {
        ret = sscanf(charIndex + strlen("content-length: "), "%d",
            &contentLength);
        if(ret < 1)
            {
            close(sock);
            errorSource = FETCHER_ERROR;
            http_errno = HF_CONTENTLEN;
            return -1;
            }
        }
   
    /* Allocate enough memory to hold the page */
    if(contentLength == -1)
        contentLength = DEFAULT_PAGE_BUF_SIZE;

    pageBuf = (char *)malloc(contentLength);
    if(pageBuf == NULL)
        {
        close(sock);
        errorSource = ERRNO;
        return -1;
        }

    /* Begin reading the body of the file */
    while(ret > 0)
        {
        FD_ZERO(&rfds);
        FD_SET(sock, &rfds);
        tv.tv_sec = timeout;
        tv.tv_usec = 0;

        if(timeout >= 0)
            selectRet = select(sock+1, &rfds, NULL, NULL, &tv);
        else        /* No timeout, can block indefinately */
            selectRet = select(sock+1, &rfds, NULL, NULL, NULL);

        if(selectRet == 0)
            {
            errorSource = FETCHER_ERROR;
            http_errno = HF_DATATIMEOUT;
            errorInt = timeout;
            close(sock);
            free(pageBuf);
            return -1;
            }
        else if(selectRet == -1)
            {
            close(sock);
            free(pageBuf);
            errorSource = ERRNO;
            return -1;
            }

        ret = read(sock, pageBuf + bytesRead, contentLength);
        if(ret == -1)
            {
            close(sock);
            free(pageBuf);
            errorSource = ERRNO;
            return -1;
            }

        bytesRead += ret;

        if(ret > 0)
            {
            /* To be tolerant of inaccurate Content-Length fields, we'll
             *    allocate another read-sized chunk to make sure we have
             *    enough room.
             */
            tmp = (char *)realloc(pageBuf, bytesRead + contentLength);
            if(tmp == NULL)
                {
                close(sock);
                free(pageBuf);
                errorSource = ERRNO;
                return -1;
                }
            pageBuf = tmp;
            }
        }
   
    /*
     * The download buffer is too large.  Trim off the safety padding.
     * Note that we add one NULL byte to the end of the data, as it may not
     *  already be NULL terminated and we can't be sure what type of data it
     *  is or what the caller will do with it.
     */
    tmp = (char *)realloc(pageBuf, bytesRead + 1);
        /* tmp shouldn't be null, since we're _shrinking_ the buffer,
         *    and if it DID fail, we could go on with the too-large buffer,
         *    but something would DEFINATELY be wrong, so we'll just give
         *    an error message */
    if(tmp == NULL)
        {
        close(sock);
        free(pageBuf);
        errorSource = ERRNO;
        return -1;
        }
    pageBuf = tmp;
    pageBuf[bytesRead] = '\0';  /* NULL terminate the data */

    if(fileBuf == NULL)    /* They just wanted us to "hit" the url */
        free(pageBuf);
    else
        *fileBuf = pageBuf;

    close(sock);
    return bytesRead;
    }


int _checkBufSize(char **buf, int *bufsize, int more)
    {
    char *tmp;
    int roomLeft = *bufsize - (strlen(*buf) + 1);
    if(roomLeft > more)
        return 0;
    tmp = (char*)realloc(*buf, *bufsize + more + 1);
    if(tmp == NULL)
        return -1;
    *buf = tmp;
    *bufsize += more + 1;
    return 0;
    }
int makeSocket(const char *host)
    {
    int sock;                                        /* Socket descriptor */
    struct sockaddr_in sa;                            /* Socket address */
    struct hostent *hp;                                /* Host entity */
    int ret;
    int port;
    char *p;
   
    /* Check for port number specified in URL */
    p = strchr(host, ':');
    if(p)
        {
        port = atoi(p + 1);
        *p = '\0';
        }
    else
        port = PORT_NUMBER;

    hp = gethostbyname(host);
    if(hp == NULL) { errorSource = H_ERRNO; return -1; }
       
    /* Copy host address from hostent to (server) socket address */
    memcpy((char *)&sa.sin_addr, (char *)hp->h_addr, hp->h_length);
    sa.sin_family = hp->h_addrtype;        /* Set service sin_family to PF_INET */
    sa.sin_port = htons(port);          /* Put portnum into sockaddr */

    sock = socket(hp->h_addrtype, SOCK_STREAM, 0);
    if(sock == -1) { errorSource = ERRNO; return -1; }

    ret = connect(sock, (struct sockaddr *)&sa, sizeof(sa));
    if(ret == -1) { errorSource = ERRNO; return -1; }

    return sock;
    }

int _http_read_header(int sock, char *headerPtr)
    {
    fd_set rfds;
    struct timeval tv;
    int bytesRead = 0, newlines = 0, ret, selectRet;

    while(newlines != 2 && bytesRead != HEADER_BUF_SIZE)
        {
        FD_ZERO(&rfds);
        FD_SET(sock, &rfds);
        tv.tv_sec = timeout;
        tv.tv_usec = 0;

        if(timeout >= 0)
            selectRet = select(sock+1, &rfds, NULL, NULL, &tv);
        else        /* No timeout, can block indefinately */
            selectRet = select(sock+1, &rfds, NULL, NULL, NULL);
       
        if(selectRet == 0)
            {
            errorSource = FETCHER_ERROR;
            http_errno = HF_HEADTIMEOUT;
            errorInt = timeout;
            return -1;
            }
        else if(selectRet == -1) { errorSource = ERRNO; return -1; }

        ret = read(sock, headerPtr, 1);
        if(ret == -1) { errorSource = ERRNO; return -1; }
        bytesRead++;

        if(*headerPtr == '\r')            /* Ignore CR */
            {
            /* Basically do nothing special, just don't set newlines
             *    to 0 */
            headerPtr++;
            continue;
            }
        else if(*headerPtr == '\n')        /* LF is the separator */
            newlines++;
        else
            newlines = 0;

        headerPtr++;
        }

    headerPtr -= 3;        /* Snip the trailing LF's */
    *headerPtr = '\0';
    return bytesRead;
    }

const char *http_strerror()
    {
    extern int errno;
   
    if(errorSource == ERRNO)
        return strerror(errno);
    else if(errorSource == H_ERRNO)
#ifdef HAVE_HSTRERROR
        return hstrerror(h_errno);
#else
        return http_errlist[HF_HERROR];
#endif
    else if(errorSource == FETCHER_ERROR)
        {
        if(strstr(http_errlist[http_errno], "%d") == NULL)
            return http_errlist[http_errno];
        else
            {
            /* The error string has a %d in it, we need to insert errorInt.
             *    convertedError[128] has been declared for that purpose */
            char *stringIndex, *originalError;
       
            originalError = (char *)http_errlist[http_errno];
            convertedError[0] = 0;        /* Start off with NULL */
            stringIndex = strstr(originalError, "%d");
            strncat(convertedError, originalError,        /* Copy up to %d */
                abs(stringIndex - originalError));
            sprintf(&convertedError[strlen(convertedError)],"%d",errorInt);
            stringIndex += 2;        /* Skip past the %d */
            strcat(convertedError, stringIndex);

            return convertedError;
            }
        }
       
    return http_errlist[HF_METAERROR];    /* Should NEVER happen */
    }
阅读(4924) | 评论(0) | 转发(0) |
给主人留下些什么吧!~~