利用acl_master的http库进行聚合数据新闻信息的数据抓取

  1. 云栖社区>
  2. 博客>
  3. 正文

利用acl_master的http库进行聚合数据新闻信息的数据抓取

py_tty_0529 2018-03-10 20:08:32 浏览520
展开阅读全文

1)acl_master是一个跨平台c/c++库,提供了网络通信库及服务器编程框架,同时提供更多的实用功能库及示例。

下载地址:Github: https://github.com/acl-dev/acl

2)聚合数据新闻API接口注册

聚合数据的新闻API接口其官网有提供,本人采用的是阿里云市场->API市场->生活服务栏下提供的,

*注册阿里云,有需要的阿里云产品通用代金券的可以点击下面链接进行领取:

https://promotion.aliyun.com/ntms/yunparter/invite.html?userCode=pfb80n4a

阿里云提供聚合数据的新闻API的类似描述

阿里为women提供了该新闻接口10000条免费使用次数并一年内有效,我们在聚合数据新闻API接口需要用到APPCode,其API使用方式可以点击“新闻头条”进入查看其使用介绍

3)acl http实现聚合数据新闻信息的抓取

先定义了http抓取的一些参数

struct HttpApiArg
{
    int startTime;                //开始抓取信息时间(单位小时)
    int endTime;                //结束抓取信息时间(单位小时)
    std::string addr_;            // web 服务器地址  
    std::string path_;            // 本地请求的数据文件  
    int port_;
    std::vector<std::string> stypes_;            // 请求数据的子数据类型
    //std::string charset_;        // 本地请求数据文件的字符集  
    //std::string to_charset_;    // 将服务器响应数据转为本地字符集
    std::string authorization;    // 访问授权

};

目前聚合数据的新闻访问参数

addr_:toutiao-ali.juheapi.com

path_:/toutiao/index

port_:80

stypes_:可从聚合新闻API使用介绍获知,例如"top"

authorization:其格式“APPCODE ***”,***=注册的AppCode

 

下来展示采用acl http库抓取聚合数据新闻信息的伪代码

#include "acl_cpp/lib_acl.hpp"  

void HttpApiAcl::getHttpInfo()
{

    bool accept_gzip = false, send_body = false;

    //acl::log::stdout_open(true);
    acl::string aclurl, acladdr/*,aclContentType*/;
    aclurl.format("http://%s%s", myArgHttp.addr_.c_str(), myArgHttp.path_.c_str());
    acladdr.format("%s:%d", myArgHttp.addr_.c_str(), myArgHttp.port_);
    //aclContentType.format("application/json; charset=%s", myArgHttp.charset_.c_str());

    acl::http_request req(acladdr);//请求

    acl::http_header& header = req.request_header();//
    //
    //header.set_method(acl::HTTP_METHOD_POST);
    header.set_method(acl::HTTP_METHOD_GET);
    //
    //header.set_keep_alive(true);
    header.set_keep_alive(false);

    header.accept_gzip(accept_gzip ? true : false);

    //url
    header.set_url(aclurl);
    //host
    if (header.get_host() == NULL)
    {
        header.set_host(myArgHttp.addr_.c_str());
        printf(">>>set host: %s\r\n", myArgHttp.addr_.c_str());
    }
    else
        printf(">>>host: %s\r\n", header.get_host());
    
    //content_type
    //header.set_content_type(aclContentType);
    //header.set_content_length(1024);
    //param
    for (unsigned int i = 0; i < myArgHttp.stypes_.size(); i++) {
        header.add_param("type", myArgHttp.stypes_.at(i).c_str());
    }
    //entry
    header.add_entry("Authorization", myArgHttp.authorization.c_str());
    //cookie
    //header.add_cookie("x-cookie-name", "cookie-value");

    bool rc = req.request(NULL, 0);//
    // 只所以将 build_request 放在 req.request 后面,是因为
    // req.request 内部可能会修改请求头中的字段
    acl::string hdr;
    header.build_request(hdr);
    CLogger::createInstance()->Log(eTipMessage, "request header:\r\n%s\r\n", hdr.c_str());

    if (rc == false)
    {
        CLogger::createInstance()->Log(eTipMessage, "send request error\n");
        //break;
        return;
    }

    printf("send request ok\r\n");

    // 取出 HTTP 响应头的 Content-Type 字段  

    const char* p = req.header_value("Content-Type");
    if (p == NULL || *p == 0)
    {
        CLogger::createInstance()->Log(eTipMessage, "no Content-Type");
        return;
    }
    // 分析 HTTP 响应头的数据类型  
    acl::http_ctype content_type;
    content_type.parse(p);

    // 响应头数据类型的子类型  
    const char* stype = content_type.get_stype();

    bool ret;
    if (stype == NULL)
        ret = do_plain(req);
    else if (stricmp(stype, "json") == 0)//linux->strcasecmp
        ret = do_json(req);
    else
        ret = do_plain(req);
    if (ret == true)
        CLogger::createInstance()->Log(eTipMessage, "read ok!\r\n");

}

// 处理 text/plain 类型数据  
bool HttpApiAcl::do_plain(acl::http_request& req)
{
    acl::string body;
    if (req.get_body(body/*, to_charset_.c_str()*/) == false)
    {
        CLogger::createInstance()->Log(eTipMessage, "get http body error");
        return false;
    }
    printf("body:\r\n(%s)\r\n", body.c_str());
    return true;
}

// 处理 text/json 类型数据  
bool HttpApiAcl::do_json(acl::http_request& req)
{
    acl::json body;
    if (req.get_body(body/*, to_charset_.c_str()*/) == false)
    {
        CLogger::createInstance()->Log(eTipMessage, "get http body error");
        return false;
    }
    //add to cache
    std::vector<std::string> initdata;
    m_MutexNewsData.Lock();
    std::swap(initdata, this->newsData);
    m_MutexNewsData.Unlock();
    curIndex = 0;
    acl::json_node* node = body.first_node();
    while (node)
    {
        if (node->tag_name())
        {
            std::string tagStr = std::string(node->tag_name());
            std::string valStr = std::string(node->get_text());
            valStr = UTF_82ASCII(valStr);//转换ASCII格式,方便显示输出
            if ("title" == tagStr) {//标题
                m_MutexNewsData.Lock();
                newsData.push_back(valStr);
                m_MutexNewsData.Unlock();
                printf("tag: %s", node->tag_name());
                if (!valStr.empty())
                    printf(", value: %s\r\n", valStr.c_str());
                else
                    printf("\r\n");
            }
        }
        node = body.next_node();
    }
    return true;
}

运行效果链接信息可参考聚合数据新闻API使用介绍页面的调试工具进行细节求证,下面给出我获取“top”新闻的标题信息输出显示

 

 

 

 

网友评论

登录后评论
0/500
评论
py_tty_0529
+ 关注