手把手教你用C++ 写ACM自动刷题神器（冲入HDU首页）

转载注明原地址：http://blog.csdn.net/nk_test/article/details/49497017

少年，作为苦练ACM，通宵刷题的你 是不是想着有一天能够荣登各大OJ榜首，俯瞰芸芸众生，唔....要做到这件事情可是需要一定天赋的哦！

博主本身也搞过一段时间的acm，对刷题深有感触，不信可以去看我博客的acm题解（哈哈）。

不过，先给各位辛苦刷题的ACMer赔个不是，毕竟这是很投机的一种方式，仅供娱乐，还请各位见谅！

受学长的启蒙，打算自己做一个使用C++语言完成的自动刷题神器，也可以叫自动AC机（什么？ac自动机...吓尿）,先来看一下成果：

（注：这是第一次刷完后的排名，后来对代码进行了很大的优化，但是由于时间关系，没有再刷一遍，否则肯定进入前十！）

第17名是我，AC率还算不错吧，但是我优化之后的肯定比这个高！

好了，扯淡完毕，下面进入正文，先来说一下整体思路：

1）使用socket编程模拟HTTP协议GET请求向服务器发送页面请求

2）借助搜索引擎找到相关题目的代码（一般csdn的居多）

3）使用正则表达式解析HTML代码获取博客连接，紧接着从博客中解析出 题目的代码

4）对代码进行编码转换的处理，模仿HTTP协议的POST请求向服务器提交代码

5）解析提交后返回的State页面，提取最终的结果（是否Accepted）、耗时和空间占用。

6）将刷题过程存储至SQL Server数据库，供以后的数据分析。

是不是感觉很简单的样子，让我们一步一步来！

（一）使用socket编程模拟HTTP协议GET请求向服务器发送页面请求

我们在baidu中搜索关键字，点击按钮，服务器会返回我们一个页面，这件事情使用程序该如何实现呢？

答案就是我们使用Socket编程通过bind(),connect(),send(),recv()这些函数建立与服务器的连接。这些知识就不再这里展开了，读者可以自行baidu或者参考我的Linux网络编程专栏。 接下来我们想：点击按钮的过程发生了什么，我们使用send（）需要将什么信息发送至服务器，这里就要涉及到HTTP协议的GET请求。

我们只需要实现GET的请求头即可（可以通过chrome按F12来查看），注意和正文之间有一个空行，即/r/n

[cpp] view
plain copy

1. //向服务器发送GET请求
2. string  reqInfo = "GET " + (string)othPath + " HTTP/1.1\r\nHost: " + (string)host + "\r\nConnection:Close\r\n\r\n";
3. if (SOCKET_ERROR == send(sock, reqInfo.c_str(), reqInfo.size(), 0))
4. {
5. cout << "send error! 错误码： " << WSAGetLastError() << endl;
6. closesocket(sock);
7. }

（二）借助搜索引擎获取csdn博客链接

一开始的时候我想利用百度搜索引擎，但是发现返回到HTML页面中根本无法找出csdn博客的链接特征，后来发现，原来是baidu为了避免爬虫爬取进行了加密处理，如下图：

注意左下角是第一个csdn博客的连接....坑了我一段时间。

后来发现360搜索没有加密，所以那就用360吧。。提取出来放入vector保存，然后使用C++11的正则表达式解析出csdn博客的地址。

[cpp] view
plain copy

1. void regexGetcom(string &allHtml) //提取网页中的csdn博客的url
2. {
3. blogUrl.clear();
4. smatch mat;
5. regex pattern("href=\"(http://blog.csdn[^\\s\"]+)\"");
6. string::const_iterator start = allHtml.begin();
7. string::const_iterator end = allHtml.end();
8. while (regex_search(start, end, mat, pattern))
9. {
10. string msg(mat[1].first, mat[1].second);
11. blogUrl.push_back(msg);
12. start = mat[0].second;
13. }
14. }

（三）从HTML中解析出代码

注意代码一般由#include开始，结束的位置是</textarea>或者</pre>,我们利用这个特征进行提取。

[cpp] view
plain copy

1. void GetCode(string &allHtml)
2. {
3. CodeHtml = "";
4. int pos = allHtml.find("#include");
5. if (pos != string::npos)
6. {
7. for (int i = pos; i < allHtml.length(); i++)
8. {
9. if ((allHtml[i] == '<'&&allHtml[i + 1] == '/'&&allHtml[i + 2] == 't'&&allHtml[i + 3] == 'e'&&allHtml[i + 4] == 'x'&&allHtml[i + 5] == 't') || (allHtml[i] == '<'&&allHtml[i + 1] == '/'&&allHtml[i + 2] == 'p'&&allHtml[i + 3] == 'r'&&allHtml[i + 4] == 'e'&&allHtml[i + 5] == '>'))
10. {
11. return ;
12. }
13. CodeHtml += allHtml[i];
14. }
15. }
16. else
17. {
18. cout << "未找到合适的代码！" << endl;
19. return;
20. }
21. }

（四）对代码进行编码转换的处理，模仿HTTP协议的POST请求向服务器提交代码

我们可以看到上面的代码并不是解析出来就能用的，还包含有&lt，&gt等HTML的元素，并且还有汉字转码的问题需要我们需要处理。POST的时候，还需要考虑HTTP编码，

将空格回车等转换为十六进制发送提交，不说了，直接看代码：

[cpp] view
plain copy

1. string ReplaceDiv(string &CodeHtml)
2. {
3. string ans;
4. for (int i = 0; i < CodeHtml.length(); i++)
5. {
6. if (CodeHtml[i] == '&'&&CodeHtml[i + 1] == 'l'&&CodeHtml[i + 2] == 't'&&CodeHtml[i + 3] == ';')
7. {
8. ans += '<';
9. i += 3;
10. }
11. else if (CodeHtml[i] == '&'&&CodeHtml[i + 1] == 'g'&&CodeHtml[i + 2] == 't'&&CodeHtml[i + 3] == ';')
12. {
13. ans += '>';
14. i += 3;
15. }
16. else if (CodeHtml[i] == '/'&&CodeHtml[i + 1] == 'n')
17. {
18. ans += "\\n";
19. i +=1;
20. }
21. else if (CodeHtml[i] == '&'&&CodeHtml[i + 1] == 'a'&&CodeHtml[i + 2] == 'm'&&CodeHtml[i + 3] == 'p'&&CodeHtml[i + 4] == ';')
22. {
23. ans += '&';
24. i += 4;
25. }
26. else if (CodeHtml[i] == '&'&&CodeHtml[i + 1] == 'q'&&CodeHtml[i + 2] == 'u'&&CodeHtml[i + 3] == 'o'&&CodeHtml[i + 4] == 't'&&CodeHtml[i + 5] == ';')
27. {
28. ans += '\"';
29. i += 5;
30. }
31. else if (CodeHtml[i] == '&'&&CodeHtml[i + 1] == 'n'&&CodeHtml[i + 2] == 'b'&&CodeHtml[i + 3] == 's'&&CodeHtml[i + 4] == 'p'&&CodeHtml[i + 5] == ';')
32. {
33. ans += ' ';
34. i += 5;
35. }
36. else if (CodeHtml[i] == '&'&&CodeHtml[i + 1] == '#'&&CodeHtml[i + 2] == '4'&&CodeHtml[i + 3] == '3'&&CodeHtml[i + 4] == ';')
37. {
38. ans += '+';
39. i += 4;
40. }
41. else if (CodeHtml[i] == '&'&&CodeHtml[i + 1] == '#'&&CodeHtml[i + 2] == '3'&&CodeHtml[i + 3] == '9'&&CodeHtml[i + 4] == ';')
42. {
43. ans += '\'';
44. i += 4;
45. }
46. else
47. ans += CodeHtml[i];
48. }
49. return ans;
50. }
51. string ASCtoHex(int num) //十进制转换成十六进制
52. {
53. char str[] = "0123456789ABCDEF";
54. int temp=num;
55. string ans;
56. while (temp)
57. {
58. ans += str[temp % 16];
59. temp /= 16;
60. }
61. ans += '%';
62. reverse(ans.begin(), ans.end());
63. return ans;
64. }
65. string GetRescode(string &CodeHtml)
66. {
67. ResCode = "";
68. for (int i = 0; i < CodeHtml.length(); i++)
69. {
70. //if (!isdigit(unsigned(CodeHtml[i])) && !isalpha(unsigned(CodeHtml[i])))
71. if ((CodeHtml[i] >= 0 && CodeHtml[i] < 48) || (CodeHtml[i]>57 && CodeHtml[i]<65) || (CodeHtml[i]>90 && CodeHtml[i]<97) || (CodeHtml[i]>122 & CodeHtml[i] <= 127))
72. {
73. //if (CodeHtml[i] == '\r' && (i + 1) < CodeHtml.length() && CodeHtml[i + 1] == '\n')
74. //if (CodeHtml[i] == '\r')
75. //{
76. //  ResCode += "++%0D";
77. //
78. //}
79. //else if (CodeHtml[i] == '\n')
80. if (CodeHtml[i] == '\n')
81. {
82. ResCode += "%0D%0A";
83. }
84. else if (CodeHtml[i] == '.' || CodeHtml[i] == '-' || CodeHtml[i] == '*')
85. ResCode += CodeHtml[i];
86. /*if (CodeHtml[i] == 10)
87. ResCode += "%0D%0A";
88. */
89. /*else if (CodeHtml[i] >= 0xB0 && (i + 1)<CodeHtml.length()&&CodeHtml[i + 1] >= 0xA1)//判断汉字
90. {
91. i++;
92. ResCode += CodeHtml[i];
93. ResCode += CodeHtml[i + 1];
94. }*/
95. else
96. {
97. string cur = ASCtoHex(CodeHtml[i]);
98. if (cur == "%9")
99. ResCode += "++++";
100. else if (cur == "%20")
101. ResCode += '+';
102. else if (cur == "%D")
103. ResCode += "++";
104. else
105. ResCode += cur;
106. }
107. }
108. else
109. ResCode += CodeHtml[i];
110. }
111. return ResCode;

[cpp] view
plain copy

1. //UTF-8到GB2312的转换
2. char* U2G(const char* utf8)
3. {
4. int len = MultiByteToWideChar(CP_UTF8, 0, utf8, -1, NULL, 0);
5. wchar_t* wstr = new wchar_t[len + 1];
6. memset(wstr, 0, len + 1);
7. MultiByteToWideChar(CP_UTF8, 0, utf8, -1, wstr, len);
8. len = WideCharToMultiByte(CP_ACP, 0, wstr, -1, NULL, 0, NULL, NULL);
9. char* str = new char[len + 1];
10. memset(str, 0, len + 1);
11. WideCharToMultiByte(CP_ACP, 0, wstr, -1, str, len, NULL, NULL);
12. if (wstr) delete[] wstr;
13. return str;
14. }

POST：注意头信息要全，并且Cookie要写你自己的，一旦浏览器关闭就会失效，要重置：

[cpp] view
plain copy

1. string  Typee = "\r\nContent-Type: application/x-www-form-urlencoded";
2. string ConLen = "\r\nContent-Length: ";
3. _itoa(ProblemID, s, 10);
4. //string ElseInfo = "\r\nCache-Control: max-age=0\r\nAccept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8O\r\nOrigin: http://acm.hdu.edu.cn\r\nUser-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.135 Safari/537.36\r\nReferer: http://acm.hdu.edu.cn/submit.php?pid=1003\r\nAccept-Encoding: gzip, deflate\r\nAccept-Language: zh-CN,zh;q=0.8";
5. string ElseInfo = "\r\nCache-Control: max-age=0\r\nAccept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8O\r\nOrigin: http://acm.hdu.edu.cn\r\nUser-Agent: Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/42.0.2311.135 Safari/537.36\r\nReferer: http://acm.hdu.edu.cn/submit.php?pid=";
6. ElseInfo = ElseInfo+ (string)s + "\r\nAccept-Encoding: gzip, deflate\r\nAccept-Language: zh-CN,zh;q=0.8";
7. //向服务器发送POST请求
8. string HeaderP="check=0&problemid="+(string)s;
9. HeaderP += "&language=2&usercode=";
10. ResCode = HeaderP + ResCode;
11. char s[300];
12. _itoa( ResCode.length(), s, 10);  /////??????
13. string Cookie = "exesubmitlang=2; PHPSESSID=8qdqoujc8ptncdb518cksqr687; CNZZDATA1254072405=385429082-1445151305-http%253A%252F%252Facm.hdu.edu.cn%252F%7C1446089001";
14. string  reqInfo = "POST " + (string)othPath + " HTTP/1.1\r\nHost: " + (string)host + ElseInfo+ Typee + ConLen + (string)s + "\r\nCookie: " + Cookie + "\r\nConnection:Close\r\n\r\n" + ResCode;
15. if (SOCKET_ERROR == send(sock, reqInfo.c_str(), reqInfo.size(), 0))
16. {
17. cout << "send error! 错误码： " << WSAGetLastError() << endl;
18. closesocket(sock);
19. }

（五）解析提交后返回的State页面，提取最终的结果（是否Accepted）、耗时和空间占用



这个就比较简单了，数据分析，可能实现都不一样，我是先定位的题号：

[cpp] view
plain copy

1. void GetResult(string &allHtml,int Prob)  //解析出state.php中的结果，空间，时间
2. {
3. StateAns="";
4. StateSapce="";
5. StateTime="";
6. char d[200];
7. _itoa(ProblemID, d, 10);
8. strcat(d, "</a>");
9. int pos = allHtml.find((string)d);
10. int Mpos = pos;
11. int Tpos;
12. if (Mpos == string::npos)
13. return;
14. else
15. {
16. Mpos += 17;
17. while (1)
18. {
19. if (allHtml[Mpos] == '<')
20. {
21. Tpos = Mpos;
22. break;
23. }
24. StateSapce += allHtml[Mpos];
25. Mpos++;
26. }
27. cout << "使用的空间大小为：" << StateSapce << endl;
28. }
29. Tpos += 9;
30. while (1)
31. {
32. if (allHtml[Tpos] == '<')
33. break;
34. StateTime += allHtml[Tpos];
35. Tpos++;
36. }
37. cout << "使用的时间为：" << StateTime << endl;
38. if (pos == string::npos)
39. return;
40. else
41. {
42. pos = pos - 52;
43. int begin;
44. while (1)
45. {
46. if (allHtml[pos] == '>')
47. {
48. begin = pos;
49. break;
50. }
51. pos--;
52. }
53. for (int i = begin + 1;allHtml[i]!='<';i++)
54. {
55. StateAns += allHtml[i];
56. }
57. }
58. cout << "最终的state界面的答案是：" << "---------------::::::" << StateAns << endl;
59. }

（六）将刷题过程存储至SQL Server数据库，供以后的数据分析

要点就是C++使用ado连接SQL Server数据库

[cpp] view
plain copy

1. CoInitialize(NULL);//初始化Com库
2. _ConnectionPtr pMyConnect = NULL;//这是个对象指针，关于对象指针的内容可以百度一下，不过不理解也就算了
3. HRESULT hr = pMyConnect.CreateInstance(__uuidof(Connection));
4. //将对象指针实例化
5. if (FAILED(hr))
6. {
7. cout << "_ConnectionPtr对象指针实例化失败！" << endl;
8. return 0;
9. }
10. _bstr_t strConnect="Driver={sql server};server=Tach-PC\\SQLEXPRESS;uid=tach1;pwd=123456;database=ProblemSolved";  //SQLSERVER
11. //这是连接到SQL SERVER数据库的连接字符串，其中的参数要自己改
12. try{
13. pMyConnect->Open(strConnect, "", "", NULL);
14. }//连接到数据库，要捕捉异常
15. catch (_com_error &e){
16. cout << "连接数据库异常！" << endl;
17. cout << e.ErrorMessage() << endl;
18. }

注意将上面的server名字，uid和pwd改为你自己的。

下图的Queuing请无视，因为我为了速度并没有Sleep(),页面还没有显示出结果，对，我比较懒==

好啦，到这里就大功告成啦！别刷太快哦，貌似被hdu封了一次IP。。。。。（囧）

最后项目的完整源码在我的Github，欢迎大家fork！