每個人都需要在和平時期或多或少地寫網絡爬蟲，一般來說，Python是爬蟲的首選，此外，Java和其他語言也是不錯的選擇，本文是武林技術頻道小編為大家整理的如何優雅地使用c語言編寫爬蟲的方法，一起進入下文了解一下吧！
1、爬蟲的特性
配置方便。使用一句設置函數，即可定義user agent，cookie，timeout，proxy以及抓取線程和解析線程的最大數量。
程序邏輯獨立。用戶可以分別定義爬蟲的解析函數，和數據持久化函數。并且對于解析到的新url，用戶可以使用cspider提供的addUrl函數，將其加入到任務隊列中。
便捷的字符串處理。cspider中提供了基于pcre的簡單的正則表達式函數，基于libxml2的xpath解析函數，以及用于解析json的cJSON庫。
高效的抓取。cspider基于libuv調度抓取線程和解析線程，使用curl作為其網絡請求庫。
2、使用cspider的步驟
3、例子
先來看下簡單的爬蟲例子，會在后面詳細講解例子。
?
#include<cspider/spider.h>/* 自定義的解析函數，d為獲取到的html頁面字符串*/void p(cspider_t *cspider, char *d, void *user_data) { char *get[100]; //xpath解析html int size = xpath(d, "http://body/div[@class='wrap']/div[@class='sort-column area']/div[@class='column-bd cfix']/ul[@class='st-list cfix']/li/strong/a", get， 100); int i; for (i = 0; i < size; i++) { //將獲取到的電影名稱，持久化 saveString(cspider, get[i]); }}/* 數據持久化函數，對上面解析函數中調用的saveString()函數傳入的數據，進行進一步的保存*/void s(void *str, void *user_data) { char *get = (char *)str; FILE *file = (FILE*)user_data; fprintf(file, "%s/n", get); return;}int main() { //初始化spider cspider_t *spider = init_cspider(); char *agent = "Mozilla/5.0 (Macintosh; Intel Mac OS X 10.10; rv:42.0) Gecko/20100101 Firefox/42.0"; //char *cookie = "bid=s3/yuH5Jd/I; ll=108288; viewed=1130500_24708145_6433169_4843567_1767120_5318823_1899158_1271597; __utma=30149280.927537245.1446813674.1446983217.1449139583.4; __utmz=30149280.1449139583.4.4.utmcsr=accounts.douban.com|utmccn=(referral)|utmcmd=referral|utmcct=/login; ps=y; ue=965166527@qq.com; dbcl2=58742090:QgZ2PSLiDLQ; ck=T9Wn; push_noty_num=0; push_doumail_num=7; ap=1; __utmb=30149280.0.10.1449139583; __utmc=30149280"; //設置要抓取頁面的url cs_setopt_url(spider, "so.tv.sohu.com/list_p1100_p20_p3_u5185_u5730_p40_p5_p6_p77_p80_p9_2d1_p101_p11.html"); //設置user agent cs_setopt_useragent(spider, agent); //cs_setopt_cookie(spider, cookie); //傳入解析函數和數據持久化函數的指針 cs_setopt_process(spider, p, NULL); //s函數的user_data指針指向stdout cs_setopt_save(spider, s, stdout); //設置線程數量 cs_setopt_threadnum(spider, DOWNLOAD, 2); cs_setopt_threadnum(spider, SAVE, 2); //FILE *fp = fopen("log", "wb+"); //cs_setopt_logfile(spider, fp); //開始爬蟲 return cs_run(spider);}例子講解
cspider_t *spider = init_cspider();獲取初始的cspider。cs_setopt_xxx這類函數可以用來進行初始化設置。其中要注意的是: cs_setopt_process(spider,p,NULL);與cs_setopt_save(spider,s,stdout);，它們分別設置了解析函數p和數據持久化函數s，這兩個函數需要用戶自己實現，還有用戶自定義的指向上下文信息user_data的指針。在解析函數中，用戶要定義解析的規則，并對解析得到的字符串可以調用saveString進行持久化，或者是調用addUrl將url加入到任務隊列中。在saveString中傳入的字符串會在用戶自定義的數據持久函數中得到處理。此時，用戶可以選擇輸出到文件或數據庫等。
最后調用cs_run(spider)即可啟動爬蟲。
以上就是如何優雅地使用c語言編寫爬蟲的方法，如果你還是有不清楚的地方，你可以隨時來關注武林技術頻道小編為大家推薦的知識，感謝你對武林技術頻道的支持。
新聞熱點
疑難解答
圖片精選
