手把手教你用C++ 寫ACM自動刷題神器（沖入HDU首頁）__C++

轉載註明原地址：http://blog.csdn.net/nk_test/article/details/49497017

少年，作為苦練ACM，通宵刷題的你 是不是想著有一天能夠榮登各大OJ榜首，俯瞰芸芸眾生，唔....要做到這件事情可是需要一定天賦的哦。

博主本身也搞過一段時間的acm，對刷題深有感觸，不信可以去看我部落格的acm題解（哈哈）。

不過，先給各位辛苦刷題的ACMer賠個不是，畢竟這是很投機的一種方式，僅供娛樂，還請各位見諒。

受學長的啟蒙，打算自己做一個使用C++語言完成的自動刷題神器，也可以叫自動AC機（什麼。ac自動機...嚇尿）,先來看一下成果：

（註：這是第一次刷完後的排名，後來對代碼進行了很大的最佳化，但是由於時間關係，沒有再刷一遍，否則肯定進入前十。）

第17名是我，AC率還算不錯吧，但是我最佳化之後的肯定比這個高。

好了，扯淡完畢，下面進入本文，先來說一下整體思路：

1）使用socket編程類比HTTP協議GET請求向伺服器發送頁面請求

2）藉助搜尋引擎找到相關題目的代碼（一般csdn的居多）

3）使用Regex解析HTML代碼擷取部落格串連，緊接著從部落格中解析出 題目的代碼

4）對代碼進行編碼轉換的處理，模仿HTTP協議的POST請求向伺服器提交代碼

5）解析提交後返回的State頁面，提取最終的結果（是否Accepted）、耗時和空間佔用。

6）將刷題過程儲存至SQL Server資料庫，供以後的資料分析。

是不是感覺很簡單的樣子，讓我們一步一步來。

（一）使用socket編程類比HTTP協議GET請求向伺服器發送頁面請求

我們在baidu中搜尋索引鍵，點擊按鈕，伺服器會返回我們一個頁面，這件事情使用程式該如何?呢。

答案就是我們使用Socket編程通過bind(),connect(),send(),recv()這些函數建立與伺服器的串連。這些知識就不再這裡展開了，讀者可以自行baidu或者參考我的Linux網路編程專欄。 接下來我們想：點擊按鈕的過程發生了什麼，我們使用send（）需要將什麼資訊發送至伺服器，這裡就要涉及到HTTP協議的GET請求。

我們只需要實現GET的要求標頭即可（可以通過chrome按F12來查看），注意和本文之間有一個空行，即/r/n 

[cpp]  view plain  copy //向伺服器發送GET請求        string  reqInfo = "GET " + (string)othPath + " HTTP/1.1\r\nHost: " + (string)host + "\r\nConnection:Close\r\n\r\n";       if (SOCKET_ERROR == send(sock, reqInfo.c_str(), reqInfo.size(), 0))       {           cout << "send error! 錯誤碼： " << WSAGetLastError() << endl;           closesocket(sock);       }   （二）藉助搜尋引擎擷取csdn部落格連結

一開始的時候我想利用百度搜尋引擎，但是發現返回到HTML頁面中根本無法找出csdn部落格的連結特徵，後來發現，原來是baidu為了避免爬蟲爬取進行了加密處理，如下圖：

注意左下角是第一個csdn部落格的串連....坑了我一段時間。

後來發現360搜尋沒有加密，所以那就用360吧。。提取出來放入vector儲存，然後使用C++11的Regex解析出csdn部落格的地址。

[cpp]  view plain  copy void regexGetcom(string &allHtml) //提取網頁中的csdn部落格的url     {       blogUrl.clear();       smatch mat;       regex pattern("href=\"(http://blog.csdn[^\\s\"]+)\"");              string::const_iterator start = allHtml.begin();       string::const_iterator end = allHtml.end();       while (regex_search(start, end, mat, pattern))       {           string msg(mat[1].first, mat[1].second);           blogUrl.push_back(msg);           start = mat[0].second;       }   }  

（三）從HTML中解析出代碼

注意代碼一般由#include開始，結束的位置是</textarea>或者</pre>,我們利用這個特徵進行提取。

[cpp]  view plain  copy void GetCode(string &allHtml)   {       CodeHtml = "";       int pos = allHtml.find("#include");       if (pos != string::npos)       {           for (int i = pos; i < allHtml.length(); i++)           {                              if ((allHtml[i] == '<'&&allHtml[i + 1] == '/'&&allHtml[i + 2] == 't'&&allHtml[i + 3] == 'e'&&allHtml[i + 4] == 'x'&&allHtml[i + 5] == 't') || (allHtml[i] ==