一只简单的网络爬虫（基于linux C/C++）————支持动态模块加载

插件在软件设计中有很大的好处，可以方便地扩展各种功能，使用插件技术能够在分析、设计、开发、项目计划、协作生产和产品扩展等很多方面带来好处：

(1）结构清晰、易于理解。由于借鉴了硬件总线的结构，而且各个插件之间是相互独立的，所以结构非常清晰也更容易理解。

(2）易修改、可维护性强。由于插件与宿主程序之间通过接口联系，就像硬件插卡一样，可以被随时删除，插入和修改，所以结构很灵活，容易修改，方便软件的升级和维护。

(3）可移植性强、重用力度大。因为插件本身就是由一系列小的功能结构组成，而且通过接口向外部提供自己的服务，所以复用力度更大，移植也更加方便。

(4）结构容易调整。系统功能的增加或减少，只需相应的增删插件，而不影响整个体系结构，因此能方便的实现结构调整。：

(5）插件之间的耦合度较低。由于插件通过与宿主程序通信来实现插件与插件，插件与宿主程序间的通信，所以插件之间的耦合度更低。

(6）可以在软件开发的过程中修改应用程序。由于采用了插件的结构，可以在软件的开发过程中随时修改插件，也可以在应用程序发行之后，通过补丁包的形式增删插件，通过这种形式达到修改应用程序的目的。

(7）灵活多变的软件开发方式。可以根据资源的实际情况来调整开发的方式，资源充足可以开发所有的插件，资源不充足可以选择开发部分插件，也可以请第三方的厂商开发，用户也可以根据自己的需要进行开发。

linux下面和动态连接相关的函数是dlopen、dlsym和dlclose

使用时在dlopen（）函数以指定模式打开指定的动态链接库文件，并返回一个句柄给dlsym（）的调用进程。使用dlclose（）来卸载打开的库



dlopen

功能：打开一个动态链接库

包含头文件： dlfcn.h

函数定义： void * dlopen( const char * pathname, int mode );

函数描述： 在dlopen的（）函数以指定模式打开指定的动态连接库文件，并返回一个句柄给调用进程。使用dlclose（）来卸载打开的库。

　　mode：模式有下面这些

　　RTLD_LAZY 暂缓决定，等有需要时再解出符号

　　RTLD_NOW 立即决定，返回前解除所有未决定的符号。

　　RTLD_LOCAL

　　RTLD_GLOBAL 允许导出符号

　　RTLD_GROUP

　　RTLD_WORLD

返回值: 打开错误返回NULL ，成功，返回库引用 ，编译时候要加入 -ldl (指定dl库)



dlsym

功能：根据动态链接库操作句柄与符号，返回符号对应的地址。

包含头文件：dlfcn.h

函数定义：void*dlsym(void* handle,const char* symbol)

函数描述：dlsym根据动态链接库操作句柄(handle)与符号(symbol)，返回符号对应的地址。使用这个函数不但可以获取函数地址，也可以获取变量地址。handle是由dlopen打开动态链接库后返回的指针，symbol就是要求获取的函数或全局变量的名称。



dlclose

dlclose用于关闭指定句柄的动态链接库，只有当此动态链接库的使用计数为0时,才会真正被系统卸载。



在使用的dlsym的时候，可如下所示：

假设在my.so中定义了一个void mytest()函数，那在使用my.so时先声明一个函数指针：
void(*pMytest)();
接下来先将那个my.so载入：
pHandle=dlopen("my.so",RTLD_LAZY);//详见dlopen函数
然后使用dlsym函数将函数指针 pMytest 指向 mytest() 函数：
pMytest=(void(*)())dlsym(pHandle,"mytest");//可见放在双引号中的mytest不用加括号,即使有参数也不用
（可调用dlerror();返回错误信息，正确返回为空）

这是单个函数的情况，比较容易理解，符号(symbol)就是我们要加载的函数名称。那么如果有多个函数呢？难道需要多次使用该函数加载动态库里面的函数吗？？？因为dlopen()加载库中的符号，这些符号在编译的时候是不知道的，而且这个符号(symbol)并没有说一定要是函数，因此我们可以使用结构体或其他数据结构把若干函数封装。然后获取该结构体，便可以使用里面的函数了。需要注意的是，我们在使用dlsym加载符号(symbol)的时候，这个符号(symbol)的名称一定要和我们在模块中的结构体的名称一样。爬虫的动态加载如下所示：

//动态加载模块
//路径，模块名称，路径必须是绝对路径
Module * dso_load(const char *path, const char *name)//模块名称
{
    void *rv = NULL;
    void *handle = NULL;
    Module *module = NULL;
    //字符串连接
    char * npath = strcat2(3, path, name, ".so");//path+name+.so
    //dlopen以指定模式打开指定的动态链接库文件，
    //并返回一个句柄给dlsym（）的调用进程。使用dlclose（）来卸载打开的库
    //编译时候要加入 -ldl (指定dl库)
    if ((handle = dlopen(npath, RTLD_GLOBAL | RTLD_NOW)) == NULL)
    {
        SPIDER_LOG(SPIDER_LEVEL_ERROR, "Load module fail(dlopen): %s", dlerror());
    }
    //void*dlsym(void*handle,constchar*symbol)
    //handle：由dlopen打开动态链接库后返回的指针；
    //symbol：要求获取的函数或全局变量的名称。
    //返回值：void* 指向函数的地址，供调用使用。
    if ((rv = dlsym(handle, name)) == NULL)
    {
        SPIDER_LOG(SPIDER_LEVEL_ERROR, "Load module fail(dlsym): %s", dlerror());
    }
    // name也是结构体的名称，因此可以返回一个结构体
    module = (Module *)rv;
    module->init(module);//载入的时候调用init函数

    return module;
}

其中Module结构体如下：

//模块描述结构
typedef struct Module
{
    int  version;//主版本号
    int  minor_version;//次版本号
    const char  *name;//模块名称
    void (*init)(Module *);//初始化函数
    int (*handle)(void *);//处理函数
} Module;

我们只需将所有的函数封装在该结构体内，然后返回一个这样的结构体，就可以通过该结构体使用里面的函数

下面看一个简单的动态模块的例子：

#include "dso.h"
#include "url.h"

static int handler(void * data)
{
    Surl *url = (Surl *)data;
    if (url->level > g_conf->max_depth)
        return MODULE_ERR;
    return MODULE_OK;
}

static void init(Module *mod)
{
    SPIDER_ADD_MODULE_PRE_SURL(mod);
}

Module maxdepth = {
    STANDARD_MODULE_STUFF,
    init,
    handler
};

该模块实现了两个函数，然后封装在模块maxdepth中，因此dlsym(handle, name)中的name就应该是maxdepth，才可以正确返回该符号，最好是再使用(Module *)进行一下类型转换。