Linux下的下载程序

      有许多网络文件下载工具可以在Windows平台下很好地工作，如NetAnts、“网际快车”、TelePro等，还有像WebZip那样功能强大的离线浏览器。这些工具使我们可以在Windows环境下很轻松地下载网站上的文件、目录、网站的一部分，甚至整个网站。然而在Linux环境下，这类工具却很少。笔者通过自己的摸索，在集成开发环境KDevelop　1.2下实现了一个网站下载程序，它支持文件级的“多线程下载”和“断点续传”。下面本文分3部分介绍实现这一程序的基本技术。　
基本原理　
1．超级链接寻径算法　
要想灵活地下载一个网站的全部或部分内容，程序就必需具备从用户指定的URL开始，沿着它所包含的超级链接遍历整个网站的能力。在这个基础上根据用户的限制，筛选出所要下载的文件。　
从“图论”的角度分析，网站其实是一个由文件和超级链接组成的“连通有向图”。文件是图中的顶点，超级链接是有向边。我们需要对这个有向图进行“广度优先遍历”。为此，需要用一个队列URLQueue来存放待访问的目标。初始情况下，队列中只含有用户指定的那个URL。程序从队头取得下载目标的URL，如果它符合用户的限制，就下载它指向的文件。分析此文件，找出其中包括的超级链接，生成新的下载目标的URL，然后将它们插入到队列尾部。重复以上过程，直到队列中没有符合用户限制的URL为止。　
由于网站是一个“连通有向图”，所以沿着超级链接，很可能回到已经访问过的文件。为了避免程序出现死循环，要登记已经访问过的目标。在分析下载文件的超级链接时，我们要将生成的新目标的URL与已经访问过的进行比较，剔除会造成重复访问的URL。为了提高查询速度，我们采用了“哈希表”来存放从队头取出的URL。“哈希函数”可以采用将URL中的字符作为整型值相加，然后模一个质数的简单方法来实现。在本文介绍的程序中使用了质数103。　
2．多线程下载和断点续传　
多线程下载和断点续传使用了同一个技术。HTTP协议允许客户端在向服务器端发送下载一个文件的GET请求时，使用“Range:　bytes=a1－a2"选项，要求服务器只传送指定文件中从第a1个字节到a2个字节之间的部分内容。因此下载一个文件时，可以将其分成若干段，然后启动多个线程，同时与服务器建立链接，分别传送一个文件的多个部分。最后在本地将其拼接成一个完整的文件。由于从网上下载文件时，瓶颈是在服务器端和网络传输过程中，所以采用多线程同时下载将大大提高下载速度。　
当文件传输因出现问题而中断时，程序可以将各个线程当前下载的进度和已经下载的内容当做“断点信息”保存到文件中。用户下一次下载同一目标时，程序可以根据文件中保留的断点信息下载上次未完成的部分，然后将整个文件拼接起来，完成下载工作。这种技术对于在经常“掉线”的情况下下载大文件非常有利。因此，在当前流行的下载软件中都采用了此项技术。