curl使用小记(三)——获取远端数据到内存缓冲区

通过Curl获取远端数据到内存缓冲区，再一次性写入文件。

目录

• ​​1. 概述​​
• ​​2. 实现​​
• ​​3. 参考​​

1. 概述

我在博文​​《curl使用小记(二)——远程下载一张图片》​​中介绍了如何通过Curl获取远端的文件。不过在那个例子中，将获取远端数据与写入数据的步骤混杂到一起了。在多线程的场景下，这样做可能会造成读写冲突的问题。理论上，远端访问数据是先保存到内存中，在写出到文件中。而远端访问数据到内存可以看作是读操作，是不会读冲突的。所以一个很好的策略是，一次性将数据读取到内存Buf中，再写出到文件。

2. 实现

将​​《curl使用小记(二)——远程下载一张图片》​​中的代码改进一下，具体的代码实例如下：

#include <iostream>
#include <curl/curl.h>

using namespace std;

//内存块结构体
struct MemoryStruct
{
char *memory;
size_t size;

MemoryStruct()
  {
memory = (char *)malloc(1);
size = 0;
  }

~MemoryStruct()
  {
free(memory);
memory = NULL;
  }
};

//回调函数实现：一次请求可能多次调回调函数
size_t HttpPostWriteBack(void *contents, size_t size, size_t nmemb, void *userp)
{
size_t realsize = size * nmemb;//一次回调返回的数据量
struct MemoryStruct *mem = (struct MemoryStruct *)userp;

char *ptr = (char *)realloc(mem->memory, mem->size + realsize);
if (ptr == NULL)
  {
printf("not enough memory (realloc returned NULL)\n");
return 0;
  }

mem->memory = ptr;
memcpy(&(mem->memory[mem->size]), contents, realsize);
mem->size += realsize;
return realsize;//必须返回真实的数据
}

int main()
{
const char *netlink = "http://cn.bing.com/th?id=OHR.GrandsCausses_EN-CN3335882379_800x480.jpg";
const char *output = "D:/dst1.jpg";

curl_global_init(CURL_GLOBAL_ALL);    //初始化全局资源

CURL *curl = curl_easy_init();    //初始化句柄

//需要的话，可以设置代理
//curl_easy_setopt(curl, CURLOPT_PROXY, "127.0.0.1:7890");

//访问网址
curl_easy_setopt(curl, CURLOPT_URL, netlink);

//设置用户代理
curl_easy_setopt(curl, CURLOPT_USERAGENT, "Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/72.0.3626.121 Safari/537.36");

//获取数据
MemoryStruct chunk; 
curl_easy_setopt(curl, CURLOPT_WRITEDATA, &chunk);
curl_easy_setopt(curl, CURLOPT_WRITEFUNCTION, HttpPostWriteBack);

////实现下载进度
//curl_easy_setopt(curl, CURLOPT_NOPROGRESS, false);
//curl_easy_setopt(curl, CURLOPT_PROGRESSFUNCTION, progress_callback);
//curl_easy_setopt(curl, CURLOPT_PROGRESSDATA, nullptr);

//运行
curl_easy_perform(curl);

curl_easy_cleanup(curl);      //释放句柄

curl_global_cleanup(); //释放全局资源

//写出数据
FILE *fp = nullptr;
if (fopen_s(&fp, output, "wb") != 0)
  {
curl_easy_cleanup(curl);
return 0;
  }
fwrite(chunk.memory, chunk.size, 1, fp);
fclose(fp);

return 1;
}    
      

这段代码其中一个关键改进在于，通过自定义结构体MemoryStruct，实现了一个类似于动态数组的设计。由于远端访问文件的数据量在一开始并不能确定，所以需要先访问一部分，然后将容器扩容，再访问一部分，再扩容。这个申请内存的扩容操作是通过C的realloc()函数来实现的。这个结构体MemoryStruct还利用了C++的RAII机制做内存管理。

另外一个关键就是CURLOPT_WRITEDATA于CURLOPT_WRITEFUNCTION的配合使用了。CURLOPT_WRITEFUNCTION用来设置回调函数，CURLOPT_WRITEDATA用来设置回调函数的出参，这个其实是C的编程思维，万物皆指针，所有的操作都被抽象成同一个函数接口，其实不是同一个东西。

3. 参考

1. ​​curl CURLOPT_WRITEDATA CURLOPT_WRITEFUNCTION 回调函数​​
2. ​​libcurl中CURLOPT_WRITEFUNCTION设置回调函数​​