其他 | C/C++程序员之家

C++爬虫原理(四):组包Chunked网页数据

One、about HTTP chunked+gzip Chunked transfer encoding allows a server to maintain an HTTP persistent connection for dynamically generated content. In this case the HTTP Content-Length header cannot be used to delimit the content and the next HTTP request/response, as the content size is as yet unknown. Chunked encoding has the benefit that it is not necessary to generate ...

2015年07月14日大数据暂无评论喜欢 3 阅读 1,109 次阅读全文

C++爬虫原理(三):解压Gzip网页数据

Http 1.1中支持Gzip压缩，可以非常极大的节约带宽，Gzip解压不同与zip压缩，不要使用uncompress了。一开始搞错了，用的开源zip库的，闭门造车了。。。。 #ifndef GZIP_H #define GZIP_H #include "zlib/zlib.h" /* Compress gzip data */ /* data 原数据 ndata 原数据长度 zdata 压缩后数据 nzdata 压缩后长度 */ int gzcompress(Bytef *data, uLong ndata, Bytef *zdata, uLon...

2015年07月07日大数据暂无评论喜欢 2 阅读 1,819 次阅读全文

Mysql C Api常用函数以及说明

函数描述 mysql_affected_rows() 返回上次UPDATE、DELETE或INSERT查询更改／删除／插入的行数。 mysql_autocommit() 切换 autocommit模式，ON/OFF mysql_change_user() 更改打开连接上的用户和数据库。 mysql_charset_name() 返回用于连接的默认字符集的名称。 mysql_close() 关闭服务器连接。 mysql_commit() 提交事务。 mysql_connect() 连接到MySQL服务器。该函数已不再被重视，使用 mysql_real_co...

2015年05月21日数据库暂无评论喜欢 1 阅读 365 次阅读全文

C++爬虫原理(二):读取URL策略

C++爬虫原理：C++爬虫原理(一):爬虫简介 C++爬虫原理：C++爬虫原理(二):读取URL策略以下介绍读取URL的策略，也就是网页有限抓取方式：网页的抓取策略可以分为深度优先、广度优先和最佳优先三种。深度优先在很多情况下会导致爬虫的陷入(trapped)问题，目前常见的是广度优先和最佳优先方法。在这里，聚焦爬虫推荐使用广度优先搜索，定向覆盖。广度优先搜索广度优先搜索策略是指在抓取过程中，在完成当前...

2015年05月04日大数据暂无评论喜欢 0 阅读 985 次阅读全文

C++爬虫原理(一):爬虫简介

爬虫简介：爬虫的主要目的是将互联网上的网页下载到本地，然后通过一系列的数据分析算法等提取有效信息(这也就类似与数据分析)。然而关于c++的爬虫很少（据说python做爬虫有很大的优势，所以本人也一直努力在学），这几篇就总结一下自己对c++爬虫的理解，沉淀自己的思想。其实所有的爬虫原理大概都是一样的，然才识疏浅，或许有许多自己不知道。可能理解有误，摸索前进中，希望大牛支出纰漏之处... 爬虫...

2015年02月24日大数据暂无评论喜欢 2 阅读 1,748 次阅读全文

Mysql大数据处理与优化

Mysql大数据处理与优化：遇到一个问题，服务器端是Mysql数据库。某张表中有将近2000W条记录，现在表中有大量冗余数据需要剔除掉(Version update, Data garbage)，如果处理这2000W条记录呢？一、一次性取出数据（Select * from table）肯定不行，数据量太大会导致内存溢出。于是就分批取出数据。 [cpp]select * from table where...limit pos,size [/cpp] pos为记录开始的index，size为多少条记录。思考：...

2015年01月18日大数据暂无评论喜欢 0 阅读 292 次阅读全文

青云(QingCloud)评测

这是C/C++程序员之家对青云的一篇评测，因为最近工作是C++服务器编程，有机会接触了好多“云主机”。评测主机的配置如下：CPU：1核、内存：1G、带宽：20M（流量收费）、系统：CentOS6.5、机房：亚太（pccw）一、CPU性能测试：解读：大概是E5 2620，6核心，2G频率，具体可以到百度百科上查到具体信息。 qingcloud-cpu 二、硬盘IO性能测试：解读：本地硬盘，机械硬盘。青云香港IO 三、下载测试：解读：2...

2015年01月03日大数据评论 6 条喜欢 0 阅读 984 次阅读全文

C++网址(URL)编码和解码

最近在做，C++的爬虫，需要编码和解码网址（URL） URL解码函数 [cpp]static int php_htoi(char *s) { int value; int c; c = ((unsigned char *)s)[0]; if (isupper(c)) c = tolower(c); value = (c >= '0' && c = '0' && c = 2 && isxdigit((int) *(data + 1)) && isxdigit((int) *(data + 2))) { *dest = (char) php_htoi(data + 1); data += 2; in_str_len -= 2; } else { *...

2014年12月31日大数据评论 2 条喜欢 2 阅读 511 次阅读全文

百度云挂载磁盘

程序员之家收到百度云后，安装了Windows Server 2008,但是一直无法挂载上磁盘。后来一阵搜索，找到了解决方案。步骤一、在CDS磁盘列表，将磁盘挂载到Windows实例操作：点击挂载，然后选择某Windows实例即可。状态：挂载成功后，登录Windows，显示是这样的： bce挂载磁盘步骤二、运行CMD，使用DISKPART.exe命令解除策略操作：运行：cmd 输入：DISKPART.exe搜索 DISKPART> san DISKPART> san ...

2014年12月21日大数据评论 2 条喜欢 0 阅读 1,389 次阅读全文

Linode云评测

Linode 介绍： Linode主机是美国一家老牌VPS提供商，主营XEN VPS主机产品，以其稳定、速度、多机房的口碑著称IDC界。随着2013年官方的主机方案调整，从原来草根站长高不可及的购买力到现在的配置方案升级后大家都争相使用。最便宜只需10$每月，Linode，CPU非常强悍，为E5-2680V2，比腾讯云高端了很多。 Linode教程： Linode教程 Linode CPU： LinodeCPU测试，价格：9200RMB Linode带宽： 40 Gbit Network I...

2014年12月10日大数据评论 2 条喜欢 0 阅读 96 次阅读全文