delphi,Vc++ 利用Socket,Http Post做个在线翻译的小工具

    翻译的东东,用的是VC,ADO + Access访问数据库,单词数据库是从金山打字通2002弄来的。后来想了想,想再加个在线翻译的功能,记得经常使用GOOGLE翻译网站的在线翻译,也蛮好用的。于是用Ethereal抓包工具抓了一下它的包,发现浏览器发出去的包格式如下:

POST /translate_t?langpair=en|zh-CN HTTP/1.1
Accept: image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, application/x-shockwave-flash, application/vnd.ms-excel, application/vnd.ms-powerpoint, application/msword, application/x-silverlight, application/QVOD, */*
Referer: http://www.google.cn/language_tools
Accept-Language: zh-cn
Content-Type: application/x-www-form-urlencoded
Accept-Encoding: gzip , deflate
User-Agent: Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; InfoPath.1; .NET CLR 2.0.50727)
Host: translate.google.com
Content-Length: 46
Connection: Keep-Alive
cache-Control: no-cache
Cookie: __utmc=195145449; __utma=195145449.421253565.1205461371.1205592024.1205592348.11; __utmz=195145449.1205585337.9.8.utmccn=(referral)|utmcsr=hao123.com|utmcct=/ss/fy.htm|utmcmd=referral; __utmb=195145449

hl=zh-CN&ie=UTF-8&text=bad&langpair=en%7Czh-CN

    以前也曾接触过一点HTTP协议的知识,HTTP协议并不难,实际上只不过是互相发送些命令,这些命令都是ASCII码的字符串。不过也还总是有些地方模糊不清。现在就来做个笔记,把已经清楚的一些东西记下来,日积月累就好了:

    上面的这段HTTP协议请求包数据其实是由两部分组成的:分别是HTTP请求协议头和HTTP用户数据段。HTTP请求协议头和HTTP用户数据段之间用空行隔开。另外还有一个要注意的地方是每一行的结尾都有个回车换行符(VC中\r\n或者是VB中的vbCrlf),不然怎样叫做一行呢?

    POST /translate_t?langpair=en|zh-CN HTTP/1.1
方法 处理该HTTP请求的页面URL(相对路径) 协议版本号

    POST表示用HTTP协议的POST方法,HTTP协议常用的方法还有GET,我们来看一个GET方法的HTTP请求包格式:

GET /search?hl=zh-CN&q=%E4%B8%AD%E5%9B%BD%E4%BA%BA&btnG=Google+%E6%90%9C%E7%B4%A2&meta=&aq=f HTTP/1.1
Accept: image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, application/x-shockwave-flash, application/vnd.ms-excel, application/vnd.ms-powerpoint, application/msword, application/x-silverlight, application/QVOD, */*
Referer: http://www.google.cn/
Accept-Language: zh-cn
Accept-Encoding: gzip, deflate
User-Agent: Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; InfoPath.1; .NET CLR 2.0.50727)
Host: www.google.cn
Connection: Keep-Alive
Cookie: PREF=ID=77ecc97ca62c7506:NW=1:TM=1205461328:LM=1205461328:S=J2uiHSrM9WZw7SBK; NID=8=Y8WD-oZWm6VqlKQPJn4NAaFJ6OZH9m7DHwGuYHa4NTczuMmCjOlnCn7WYxLAYJq-ZsGKGBSRWTZdQAwbt7zuzIPPxVqKp3zCb93z5GuHHxxblzwcTGQUmcMADxh7v3eX

这是在www.google.cn搜索页面输入了“中国人”之后,浏览器发送出来的HTTP请求包。

GET /search?hl=zh-CN&q=%E4%B8%AD%E5%9B%BD%E4%BA%BA&btnG=Google+%E6%90%9C%E7%B4%A2&meta=&aq=f HTTP/1.1
方法 处理该HTTP请求的页面URL(相对路径) 协议版本号

     可以发现,www.google.cn搜索页面使用的GET方法(每个页面所使用的方法可以从该网页的源代码中查看到)。

    可以看到,两个方法之间的区别是GET方法不带HTTP用户数据段,GET方法的HTTP用户数据段包含在了这里
/search?hl=zh-CN&q=%E4%B8%AD%E5%9B%BD%E4%BA%BA&btnG=Google+%E6%90%9C%E7%B4%A2&meta=&aq=f

解释一下上面这个URL:
/search是处理该GET请求的页面地址,使用的是相对路径,?开始后面的就是发送的用户数据段了,其实就是该页面中各元素的值。它们之间用&分隔。

hl=zh-CN
q=%E4%B8%AD%E5%9B%BD%E4%BA%BA
btnG=Google+%E6%90%9C%E7%B4%A2
meta=
aq=f

你可以用IE浏览器打开www.google.cn这个网页,然后点IE里的查看菜单,再点源文件,在打开的脚本文件中分别查找hl、q、btnG、meta、aq等字符串。可以发现,

<input name=hl type=hidden value=zh-CN> 名字为hl的隐藏(type=hidden)输入框,值value为zh-CN

<input autocomplete="off" maxlength=2048 name=q size=55 title="Google 搜索" value=""> 名字为q的输入框,这个就是你在搜索时输入的那个框,初始值value为空,当你输入若干字符后点“Google 搜索”按钮,该控件的value值就为你输入的字符了。

<input name=btnG type=submit value="Google 搜索"> 名字为btnG的提交按钮(submit),就是那个“Google 搜索”按钮。

<input name=btnI type=submit value="手气不错"> 另外一个名字为btnI的提交按钮,“手气不错”按钮。

<input id=all type=radio name=meta value="" checked><label for=all>所有网页  </label> 名字为meta的单选钮(radio),值value为空。旁边还有几个单选钮就不列出了。

<form action="/search" name=f> 以上这些控件都是包含在一个form中的,当用户单击这个form中的submit按钮时,这个form中的数据(各控件的值)就会被浏览器提交到action="/search"这个页面去处理。

好了,我们理解了GET方法,回到我们POST中来。跑题了,呵呵。

Accept: image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, application/x-shockwave-flash,

application/vnd.ms-excel, application/vnd.ms-powerpoint, application/msword, application/x-silverlight, application/QVOD, */*
接收的数据类型,格式为:主类型/子类型

Referer: http://www.google.cn/language_tools
应该是从哪个页面转向过来的(也就是提交该HTTP请求的页面)

Accept-Language: zh-cn
接收方使用的语言,zh-cn应该代表简体中文

Content-Type: application/x-www-form-urlencoded
网页内容(用户数据段)所属的类型

Accept-Encoding: gzip, deflate
接收方的数据编码方式,gzip经过压缩的

User-Agent: Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; InfoPath.1; .NET CLR 2.0.50727)
用户浏览器类型

Host: translate.google.com
主机名字

Content-Length: 46
网页内容(用户数据段)的长度

Connection: Keep-Alive
连接状态,Keep-Alive保持连接

cache-Control: no-cache
不使用cache

Cookie: __utmc=195145449; __utma=195145449.421253565.1205461371.1205592024.1205592348.11; __utmz=195145449.1205585337.9.8.utmccn=(referral)|utmcsr=hao123.com|utmcct=/ss/fy.htm|utmcmd=referral; __utmb=195145449
Cookie内容

(注意:以上这些都是我个人的理解,并不一定正确。需要正确的解释请参考HTTP协议的介绍。)

最关键的还是用户数据段这地方,改动一下就可以模拟IE浏览器POST数据到GOOGLE翻译网站了。
hl=zh-CN&ie=UTF-8&text=bad&langpair=en%7Czh-CN

hl=zh-CN
ie=UTF-8
text=bad
langpair=en%7Czh-CN

<input type=hidden name=hl value="zh-CN"> 名字为hl的隐藏(type=hidden)输入框,值value为zh-CN

<input type=hidden name=ie value="UTF8"> 名字为ie的隐藏(type=hidden)输入框,值value为UTF8

<textarea name=text wrap=SOFT dir="ltr" id=source>bad</textarea> 名字为text的文本框(textarea),就是我们输入需要翻译的原文的那个框

<select name=langpair>
<option value="ar|en">阿拉伯文到英语</option>
......
<option value="en|zh-CN" selected>英语到中文(简体)</option>
......
</select>
名字为langpair的列表组合框,当我们选择英语到中文(简体)的时候它的值value就等于en|zh-CN了,上面langpair=en%7Czh-CN这里的%7C就是|的百分号加十六进制编码。

好了,介绍到这里,我们下面来做个例子试验一下!

首先是用C++实现(下面的是用Delphi实现的)
#include <stdio.h>
#include <winsock2.h> //winsock库头文件
#include <windows.h>

#pragma comment(lib,"WS2_32.lib") //连接winsock库文件

int main()
{
WSADATA stWsaData = {0};
SOCKET hSocket = 0;
sockaddr_in stRemoteAddr = {0};
char cSendData[4096] = {0}; //发送数据缓冲区
char cRecvData[10240] = {0}; //接收数据缓冲区
intnRetBytes = 0;

::WSAStartup(MAKEWORD(2,0),&stWsaData); //初始化winsock库

hSocket = ::socket(AF_INET,SOCK_STREAM,0); //创建TCP套接字
if(hSocket == INVALID_SOCKET)
return 0;

stRemoteAddr.sin_family = AF_INET; //填充sockaddr_in结构
//64.233.189.104为ping www.google.com得到的IP,暂时懒得写转换IP函数了
stRemoteAddr.sin_addr.S_un.S_addr = inet_addr("64.233.189.104");
stRemoteAddr.sin_port = htons(80);

if(::connect(hSocket,(sockaddr *)&stRemoteAddr,sizeof stRemoteAddr) == -1) //连接到服务器
...{
::closesocket(hSocket); //关闭TCP套接字
::WSACleanup(); //释放winsock库
return 0;
}

//构造HTTP请求数据包的请求头
strcpy(cSendData,"POST /translate_t?langpair=en|zh-CN HTTP/1.1\r\n");
strcat(cSendData,"Accept: image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, application/x-shockwave-flash, application/vnd.ms-excel, application/vnd.ms-powerpoint, application/msword, application/x-silverlight, application/QVOD, */*\r\n");
strcat(cSendData,"Referer: http://www.google.cn/language_tools\r\n");
strcat(cSendData,"Accept-Language: zh-cn\r\n");
strcat(cSendData,"Content-Type: application/x-www-form-urlencoded\r\n");
//strcat(cSendData,"Accept-Encoding: gzip ,deflate\r\n");
strcat(cSendData,"User-Agent: Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; InfoPath.1; .NET CLR 2.0.50727)\r\n");
strcat(cSendData,"Host: translate.google.com\r\n");
strcat(cSendData,"Content-Length: 46\r\n");
strcat(cSendData,"Connection: Keep-Alive\r\n");
strcat(cSendData,"cache-Control: no-cache\r\n");
//strcat(cSendData,"Cookie: __utmc=195145449; __utma=195145449.421253565.1205461371.1205592024.1205592348.11; __utmz=195145449.1205585337.9.8.utmccn=(referral)|utmcsr=hao123.com|utmcct=/ss/fy.htm|utmcmd=referral; __utmb=195145449\r\n");

//请求头与用户数据段之间的分隔行
strcat(cSendData,"\r\n");

//构造HTTP请求数据包的用户数据段
strcat(cSendData,"hl=zh-CN&ie=UTF-8&text=bad&langpair=en%7Czh-CN");

printf("HTTP协议请求头包格式: %s",cSendData);

::send(hSocket,cSendData,sizeof cSendData,0); //发送

nRetBytes = ::recv(hSocket,cRecvData,sizeof cRecvData,0);
printf(" 总共收到了%d数据!",nRetBytes);

//保存网页到文件(注意:返回的数据中包含HTTP响应头,而HTTP网页文件是不应该有这个的,应该去掉,这里我省略了)
FILE * fp = fopen("C:翻译结果网页.htm","wb");
fwrite(cRecvData,nRetBytes,1,fp);
fclose(fp);

::closesocket(hSocket); //关闭TCP套接字
::WSACleanup(); //释放winsock库
return 0;
}


上面这个仅仅是翻译英文单词“bad”的功能,实现完整的例子还是由读者自己来做吧。需要做的只是修改text字段的值,另外还有就是相应的Content-Length也应该改为你用户数据段实际的长度。

还有两个问题:1,我为什么把上面的两段注释呢?Accept-Encoding: gzip , deflate是返回的网页的内容是经过压缩了的,我们就要自己解压缩,偷懒的做法是让服务器返回不压缩的网页。另外那句Cookie要不要无关紧要。

2,当你尝试着用中文去翻译成英文的时候,你会遇到URL编码的问题,直接发送中文过去是错误的,必须经过URL编码(%E4%B8%AD%E5%9B%BD%E4%BA%BA的形式),这个还不止,还加上网页编码的问题,像百度和GOOGLE就是个样例:百度网页使用的是GB2313编码,而GOOGLE使用的却是UTF-8编码,针对不同的网页编码需要根据不同的编码进行转换。

像在搜索页面输入“中国人”三个中文,

百度的编码是:http://www.baidu.com/s?wd=%D6%D0%B9%FA%C8%CB&cl=3。

“中国人”的GB2312编码:D6 D0 B9 FA C8 CB(16进制,一个中文两个字节)

而GOOGLE的编码却是:http://www.google.cn/search?hl=zh-CN&q=%E4%B8%AD%E5%9B%BD%E4%BA%BA&meta=&aq=f

“中国人”的UTF-8编码:E4 B8 AD E5 9B BD E4 BA BA(16进制,一个中文三个字节)

呵呵,这些就先搁着了,留待以后解决。

//*********************************以下内容为转成Delphi 源码:

unit uSocket;

interface

uses
Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls, Forms,
Dialogs, IdWinSock2;

function getStr(): string;

implementation

function getStr(): string;
var
stWsaData: TWSAData;
hSocket: TSocket;
stRemoteAddr: TSockAddr;
cSendData: Pchar; //array[0..4095] of Char;
cRecvData: Pchar; //array[0..10239] of Char;
nRetBytes: integer;
iReturn: integer;
pData: string;
begin
Result := '';
iReturn := WSAStartup(MAKEWORD(2, 0), stWsaData); //初始化winsock库
hSocket := socket(AF_INET, SOCK_STREAM, 0); //创建TCP套接字
if (hSocket = INVALID_SOCKET) then exit;
ZeroMemory(@stRemoteAddr, sizeof(stRemoteAddr));
stRemoteAddr.sin_family := AF_INET; //填充sockaddr_in结构
//64.233.189.104为ping www.google.com得到的IP,暂时懒得写转换IP函数了
stRemoteAddr.sin_addr.S_addr := inet_addr('64.233.189.104');
stRemoteAddr.sin_port := htons(80);
if connect(hSocket, @stRemoteAddr, sizeof(stRemoteAddr)) = -1 then //连接到服务器
begin
closesocket(hSocket); //关闭TCP套接字
WSACleanup(); //释放winsock库
exit;
end;
GetMem(cSendData, 4096);
ZeroMemory(cSendData, 4096);
GetMem(cRecvData, 10240);
ZeroMemory(cRecvData, 10240);
try
//构造HTTP请求数据包的请求头
pData := 'POST /translate_t?langpair=en|zh-CN HTTP/1.1' + #13#10 +
'Accept: image/gif, image/x-xbitmap, image/jpeg, image/pjpeg, application/x-shockwave-flash, application/vnd.ms-excel, application/vnd.ms-powerpoint, application/msword, application/x-silverlight, application/QVOD, */*' + #13#10 +
'Referer: http://www.google.cn/language_tools' + #13#10 +
'Accept-Language: zh-cn' + #13#10 +
'Content-Type: application/x-www-form-urlencoded' + #13#10 +
//'Accept-Encoding: gzip ,deflate'+ #13#10 +
'User-Agent: Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.1; SV1; InfoPath.1; .NET CLR 2.0.50727)' + #13#10 +
'Host: translate.google.com' + #13#10 +
'Content-Length: 46' + #13#10 +
'Connection: Keep-Alive' + #13#10 +
'cache-Control: no-cache' + #13#10 +
//'Cookie: __utmc=195145449; __utma=195145449.421253565.1205461371.1205592024.1205592348.11; __utmz=195145449.1205585337.9.8.utmccn=(referral)|utmcsr=hao123.com|utmcct=/ss/fy.htm|utmcmd=referral; __utmb=195145449' + #13#10 +
//请求头与用户数据段之间的分隔行
#13#10 +
// 构造HTTP请求数据包的用户数据段
'hl=zh-CN&ie=UTF-8&text=bad&langpair=en%7Czh-CN';
StrPCopy(cSendData, pData);
send(hSocket, cSendData^, Length(cSendData), 0); //发送
nRetBytes := recv(hSocket, cRecvData^, 10240, 0);
Result :=StrPas(cRecvData);
//释放pchar变量
finally
FreeMem(cSendData);
FreeMem(cRecvData);
closesocket(hSocket); //关闭TCP套接字
WSACleanup(); //释放winsock库
end;
end;

end.


[本日志由 admin 于 2015-01-29 08:08 PM 更新]
上一篇: Delphi Idhttp的get和post方法
下一篇: Delphi Winsock中一些基本概念和API函数的简单说明
文章来自: 本站原创
引用通告: 查看所有引用 | 我要引用此文章
Tags: Delphi Vc++ Socket HTTP POST 在线翻译 小工具
相关日志:
评论: 0 | 引用: 0 | 查看次数: -
发表评论
昵 称:
密 码: 游客发言不需要密码.
邮 箱: 邮件地址支持Gravatar头像,邮箱地址不会公开.
网 址: 输入网址便于回访.
内 容:
验证码:
选 项:
虽然发表评论不用注册,但是为了保护您的发言权,建议您注册帐号.
字数限制 1000 字 | UBB代码 开启 | [img]标签 关闭