对C++做爬虫的代码进行简单分析

Posted 2023-03-11 朱英浩

有这样一段代码

#include <stdio.h>
#include <tchar.h>
#include <windows.h>
#include<urlmon.h>
#pragma comment(lib, "urlmon.lib")

int main() 
	TCHAR url[] = TEXT("https://img.paulzzh.tech/touhou/random?site=all&size=all");//一个很正常向的东方project图片API
	TCHAR filePath[] = _T("祖传色图.jpg");
	HRESULT res = URLDownloadToFile(NULL, url, filePath, 0, NULL);
	if (res == S_OK) 
		printf("色图Ok，单击任意键以退出喵\\n");
		system("pause");
	
	else if (res == E_OUTOFMEMORY) 
		printf("你的电脑内存不足喵\\n");
		system("pause");
	
	else if (res == INET_E_DOWNLOAD_FAILURE) 
		printf("色图服务器挂了喵\\n");
		system("pause");
	
	else 
		printf("Other error: %d\\n", res);
		system("pause");
	
	return 0;

这段代码使用了 URLDownloadToFile 函数从指定 url 下载文件到本地电脑，具体来说：

1.导入了 stdio.h、 tchar.h、 windows.h 和 urlmon.h 头文件，其中 urlmon.h 声明了 URLDownloadToFile 函数，通过 #pragma comment(lib, "urlmon.lib") 链接库文件。

2.定义了一个 TCHAR 类型的 url 指针变量，用于存储下载图片的 url。

3.定义了一个 TCHAR 类型的 filePath 指针变量，用于指定下载后保存的文件路径。

4.调用 URLDownloadToFile 函数，它的四个参数分别是：

• 用于控制 url 连接的 LPUNKNOWN 指针，这里传入 NULL。
• 要下载的文件 url，即上一步定义的 url 变量。
• 要保存到本地的文件路径，即上一步定义的 filePath 变量。
• 用于显示下载进度和其他信息的 DWORD 类型指针，这里传入 NULL。
  5.根据函数返回值判断下载是否成功，返回值有几种情况，分别对应不同的错误情况，这里设置了三种情况的处理方式：
• S_OK 表示下载成功，输出 "色图Ok，单击任意键以退出喵"。
• E_OUTOFMEMORY 表示内存不足，输出 "你的电脑内存不足喵"。
• INET_E_DOWNLOAD_FAILURE 表示下载失败，输出 "色图服务器挂了喵"。
• 其他情况输出 "Other error: " 后接错误值。
  6.返回 0，程序结束。
  总的来说，这段代码的作用是从指定 url 下载指定图片，并处理下载过程中可能遇到的错误情况。

Q:

#include<urlmon.h>
#pragma comment(lib, "urlmon.lib")

A:
这两行代码的作用是使用 urlmon.h 头文件中定义的函数，并将 urlmon.lib 库文件链接到程序中。

#include<urlmon.h>：该头文件包含了许多与网络相关的函数和常量，例如常用的 URLDownloadToFile 函数，用于从互联网上下载文件，使得在 C/C++ 语言中处理网络操作更加方便。

#pragma comment(lib, "urlmon.lib")：这行代码告诉链接器，在链接时将 urlmon.lib 库文件链接到可执行文件中，使得程序在运行时可以正确调用 urlmon.h 头文件所定义的 API 函数。可以看作是编译器通过指定链接器选项，告诉链接器在本程序中加入某种库文件的一种简便方法，避免了手动在编译器选项中设置链接器参数。

一般地，只要是要使用某一个库文件（比如链接器库文件），就需要使用 #pragma comment 语句将该库文件链接到程序中，使得程序在运行时可以正确调用引入库的 API 函数或数据。

另外，需要注意的是，在使用 #pragma comment 语句指示链接器链接库文件时，要保证库文件已经正确安装在包含该头文件的开发环境中。否则在编译或链接时可能会出现错误。

Q:
代码中的TCHAR是干什么的

A:
TCHAR 是在 Windows 平台下为处理 Unicode 和 ANSI 字符集转换而定义的一个宏，具体是根据编译时定义的 _UNICODE 预处理宏来决定其实际指向的类型，是 wchar_t 类型或 char 类型的两者之一，方便编程者在不同编译环境下编写跨平台的代码。

在 Windows 系统中，通常情况下字符集会有 ANSI（A）和 Unicode（W）两套实现，对应着带字符串后缀的函数和宏。例如：strcmp 和 strstr 是 ANSI 字符集下的字符串处理函数，而 wcscmp 和 wcsstr 则是 Unicode 字符集下的字符串处理函数，通过宏变量 TCHAR 的定义，可以根据编译器的预处理指令选择使用相应的字符集。

在这个代码中，TCHAR 用于定义字符串类型，使得可以根据编译器预处理器指令决定是使用 Unicode 字符集还是 ANSI 字符集。在该代码中，通过 TEXT 宏，使用了 TCHAR 类型的变量 url 和 filePath，分别存储了下载文件的 URL 地址和文件保存的路径，后续调用 URLDownloadToFile 函数时作为函数参数传入，以完成从指定 URL 下载文件并将其保存到本地电脑的目的。

Q:
TCHAR filePath[] = _T("祖传色图.jpg"); 这个_T是什么意思

A:
_T 是 Visual Studio 中的一个宏，它可以让同一个代码在不同的编译器下正确地处理字符串, 它实际上就是根据不同的编译器预处理器指令来决定是使用 Unicode 字符串还是 ANSI 字符串。在 Unicode 编译器下， _T 宏会将字符串常量添加一个 L 前缀，表示使用的是 Unicode 格式的字符串，否则不会添加 L 前缀，表示使用的是 ANSI 格式的字符串。

在本代码中，TCHAR 也是一个由编译器预处理器决定的宏，如果在代码头文件中定义了 _UNICODE 宏，它就会被预处理为 wchar_t 类型，表示使用的是 Unicode 字符集；如果没有定义 _UNICODE 宏，则 TCHAR 会被预处理为 char 类型，表示使用的是 ANSI 字符集。

综合来看，_T 宏为了保证代码可以在 Unicode 和 ANSI 编译器下都可以工作。在这个代码中，TCHAR filePath[] = _T("祖传色图.jpg"); 可以根据编译器预处理器的设置，自动将字符串常量 祖传色图.jpg 转换为适合的格式，并赋值给 filePath 变量。如果预处理器指定使用 Unicode 编译器，则 TCHAR 宏会被预处理为 wchar_t 类型，则 filePath 也会被定义为 wchar_t 类型的数组，并接收 Unicode 字符串；如果预处理器指定使用 ANSI 编译器，则 TCHAR 宏不起作用，filePath 也会被定义为 char 类型的数组，并接收 ANSI 字符串。

Q:
那这代码中，我不用TCHAR行不行

A:
使用 TCHAR 并不是必须的，你可以使用 char 或者 wchar_t 来代替 TCHAR，只需要保证字符集的一致性即可。比如，在该代码中，你可以将声明 TCHAR url[] 和 TCHAR filePath[] 的语句改写如下：

char* url = "https://img.paulzzh.tech/touhou/random?site=all&size=all";
char* filePath = "祖传色图.jpg";

或者

wchar_t* url = L"https://img.paulzzh.tech/touhou/random?site=all&size=all";
wchar_t* filePath = L"祖传色图.jpg";

这样就不需要使用 TCHAR 宏和 _T 宏了，而是直接使用 char 或者 wchar_t 类型来定义变量了。但是需要注意的是，如果你的程序需要在不同编译器之间进行兼容，建议使用 TCHAR 和 _T 这种跨平台兼容的方式实现。

Q:
那HRESULT又是什么意思呢

A:
HRESULT 是指 Windows 操作系统中的错误代码规范（Error Codes），它是由 32 位值构成，以表示返回结果的一种数据类型。HRESULT 具体用于描述函数或方法调用的状态和结果，同时包含了三个部分的信息：位 0-10 表示错误 Facilty；位 11-15 表示错误的级别 Severity；位 16-31 表示具体错误代码 Code。

在该代码中，HRESULT 类型的变量 res 用于存储函数 URLDownloadToFile 的返回值（函数的返回值类型为 HRESULT），以根据不同的返回值来表明不同的下载状态。具体来说：

如果函数返回值 res 等于 S_OK，表示下载成功；
如果函数返回值 res 等于 E_OUTOFMEMORY，表示内存不足；
如果函数返回值 res 等于 INET_E_DOWNLOAD_FAILURE，表示下载文件失败；
如果函数返回值不是以上三种情况，则表示发生了其他未知错误，此时会调用 printf 函数，输出其他错误码的信息。
一般情况下，在 Windows 编程中，函数的返回值类型为 HRESULT，并且根据返回值来进行错误码处理非常常见，使用 HRESULT 可以方便地表达函数调用的状态和结果，帮助程序员在开发和调试时快速定位问题。