过段时间要把以前的OJ换掉，我负责VirtualJudge的部分。需要用C与PHP写一个Linux下的VJudge。

    在此之前，将以前写给自己学弟学妹用的OJ离线题库的采集程序改进了一下。支持国内一些知名高校的OJ，为之后VJudge的开发练练手，熟悉下各个OJ的结构，免去以后再在LINUX上进行一些繁琐的测试。

    题目的采集没有使用任何OJ的API，直接采取从HTML页面采集数据并处理的方式。下载HTTP文件使用的是WinINet函数集，用起来比CURL还方便。正则表达式使用的ATL库里的regex。题目的储存使用的文件进行储存。别看一个OJ就有几千道题，文件结构访问的速度却是相当地快。因为抓取出来的题目有大量的HTML标签，先要全部去掉非常地困难（一些题目有不同的格式与链接标签，甚至有一些题目是关于标记语言的题目）。因为我现在做的是离线的题库，于是将这些标签保留写来，利用HTML的方式显示我采集的题目。

    目前做了六个OJ：

    1、（北京师范大学OJ）:这个OJ我觉得是国内用户体验做得最好的一个OJ，自己OJ的题目很丰富（含有较多不错的中文），VOJ的功能也完美地融合在自己的OJ中。

    2、（杭州电子科技大学OJ）:拥有国内最强判题机群，国内各大算法竞赛都选在杭电OJ举行。

    3、（成都东软学院OJ）:很多人可能都不知道这OJ，也是国内少数登录需要验证码的奇葩OJ，以至于VOJ想支持它都困难，简单题爆多，欢迎来撸。我母校嘛，必须有，虽然我亚洲区牌都没拿到个，学校最高也就个铜。补习班性质的比赛嘛，二本学校的学生都不想把耍的时间花在觉得苦逼的事情上，我能拿着塑料坚持那么久也是NB了。该OJ即将在今年更换新的系统，判题内核、数据管理、界面、以及VOJ都由我们的老成员完成。希望以后学校的骚年能取得好成绩--wchrt。

    4、（北京大学OJ）:搞ICPC的骚年都知道，国内最为知名的OJ之一。

    5、（高效信息学在线评测系OJ）:里面全是中文题哦，小心有大量的小学生，分分钟虐爆你的小学生。

    6、（浙江大学OJ）:国内起步最早的OJ之一，但我基本没怎么用过这个OJ。

    下面根据各oj分别列出了获取题目内容与标题的正则表达式：

        ojnum=0;	cbox->AddString("bnu");	ojurl[ojnum]="http://www.bnuoj.com/bnuoj/problem_show.php?pid=";	ojgetstr[ojnum].allcontent="{
     
      (.|\n)*?
      
       }";	ojgetstr[ojnum].title="
       
        
         {.*?}";	ojgetstr[ojnum].iscode=true;	ojgetstr[ojnum].getnum=-1;	ojgetstr[ojnum].pnostart=1000;	ojnum++;	cbox->AddString("hdu");	ojurl[ojnum]="http://acm.hdu.edu.cn/showproblem.php?pid=";	ojgetstr[ojnum].allcontent="{
         
          }";	ojgetstr[ojnum].title="
          
           {.*?}"; ojgetstr[ojnum].iscode=false; ojgetstr[ojnum].getnum=-1; ojgetstr[ojnum].pnostart=1000; ojnum++; cbox->AddString("neu"); ojurl[ojnum]="http://acm.nsu.edu.cn/JudgeOnline/problem.php?id="; ojgetstr[ojnum].allcontent="{
           
            }"; ojgetstr[ojnum].title="
            
             {.*?}"; //目前不需要把内容信息分开，就不正则详细的题目内容 /*ojgetstr[ojnum].tim="Time Limit:{.*?} "; ojgetstr[ojnum].mem="Memory Limit:{.*?}
             
"; ojgetstr[ojnum].des=">Description.*?
             
              {.*?}"; ojgetstr[ojnum].input=">Input.*?
              
               {.*?.*?}"; ojgetstr[ojnum].output=">Output.*?
               
                {.*?}"; ojgetstr[ojnum].sinput=">Sample Input.*?{
                
(.|\n)*?
}"; ojgetstr[ojnum].soutput=">Sample Output.*?{
                
(.|\n)*?
}";*/ ojgetstr[ojnum].iscode=true; ojgetstr[ojnum].getnum=-1; ojgetstr[ojnum].pnostart=1000; ojnum++; cbox->AddString("poj"); ojurl[ojnum]="http://poj.org/problem?id="; ojgetstr[ojnum].allcontent="{
                
                 }"; ojgetstr[ojnum].title="
                 
                  {.*?}"; ojgetstr[ojnum].iscode=true; ojgetstr[ojnum].getnum=49;//poj最多只允许短时间访问49道题 ojgetstr[ojnum].pnostart=1000; ojnum++; cbox->AddString("vijos"); ojurl[ojnum]="https://vijos.org/p/"; ojgetstr[ojnum].allcontent="{
                  
                   (.|\n)*}
                   
                    .*?{.*?}
                    
                     AddString("zoj"); ojurl[ojnum]="http://acm.zju.edu.cn/onlinejudge/showProblem.do?problemCode="; ojgetstr[ojnum].allcontent="{
                     
                      (.|\n)*}"; ojgetstr[ojnum].title="
                      
                       .*?>.*?>{.*?}"; ojgetstr[ojnum].iscode=false; ojgetstr[ojnum].getnum=-1; ojgetstr[ojnum].pnostart=1000; ojnum++;

因为不同的OJ网站所使用的编码格式不同，我使用的是ansi，所以要把一些使用utf-8的网页转换为ansi，下面是转换的代码：

static void  UTF8toANSI(CString &strUTF8){	UINT nLen = MultiByteToWideChar(CP_UTF8,NULL,strUTF8,-1,NULL,NULL);	WCHAR *wszBuffer = new WCHAR[nLen+1];	nLen = MultiByteToWideChar(CP_UTF8,NULL,strUTF8,-1,wszBuffer,nLen);	wszBuffer[nLen] = 0;	nLen = WideCharToMultiByte(936,NULL,wszBuffer,-1,NULL,NULL,NULL,NULL);	CHAR *szBuffer = new CHAR[nLen+1];	nLen = WideCharToMultiByte(936,NULL,wszBuffer,-1,szBuffer,nLen,NULL,NULL);	szBuffer[nLen] = 0;	strUTF8 = szBuffer;	delete []szBuffer;	delete []wszBuffer;}

    使用WinINet函数集的CInternetSession与CHttpFile下载HTTP文件，那hdu作为例子

hdu的1001题的地址是："

这里的是hdu的题目PHP文件，我们需要以GET的方式请求pid=1001的数据。对于hdu的其他题目，我们只需把pid的值设置成其他的值即可。

        //获取GET方式获取题目的HTML页面        CInternetSession intsess;	CHttpFile *phtfile = NULL;	phtfile = (CHttpFile *)intsess.OpenURL(url);	UINT nfilelen = (UINT) phtfile->GetLength();	CString strhtml;	CString buffer;	UINT dw=0;	while(dw
     
      ReadString(buffer);		strhtml+=buffer;		dw++;	}		//使用正则表达式提取数需要的内容	data->all=strhtml;	getcontent(ojgetstr->allcontent,strhtml,data->allcontent);//去除题目页面的多与信息	getcontent(ojgetstr->title,strhtml,data->title);	/*getcontent(ojgetstr->tim,strhtml,data->tim);	getcontent(ojgetstr->mem,strhtml,data->mem);	getcontent(ojgetstr->des,strhtml,data->des);	getcontent(ojgetstr->input,strhtml,data->input);	getcontent(ojgetstr->output,strhtml,data->output);	getcontent(ojgetstr->sinput,strhtml,data->sinput);	getcontent(ojgetstr->soutput,strhtml,data->soutput);*/	if(ojgetstr->iscode)	{		UTF8toANSI(data->allcontent);		UTF8toANSI(data->title);		/*UTF8toANSI(data->tim);		UTF8toANSI(data->mem);		UTF8toANSI(data->des);		UTF8toANSI(data->input);		UTF8toANSI(data->output);		UTF8toANSI(data->sinput);		UTF8toANSI(data->soutput);*/	}	if(data->allcontent.GetLength()<5||data->title.GetLength()<1)	{		return 0;	}	//将处理后的数据写入到文件中	CFile file;	if(!file.Open("c:\\ojdata\\"+data->oj+"\\"+data->id,CFile::modeWrite))	{		if(!file.Open("c:\\ojdata\\"+data->oj+"\\"+data->id,CFile::modeCreate|CFile::modeWrite))		{			return 0;		}	}	CArchive ar(&file,CArchive::store);	ar<

    因为每个OJ的题目都有几千道，不可能每次打开软件都去遍历那么几千个文件，效率太低而且容易出错。因此我将每个题目的ID和标题都提取出来，放到一个文件中记录，用于题目的引索。

引索的结构是：题目数量、id1、标题1、id2、标题2、id3...的格式，每个OJ一个表。

下面是储存记录的代码，使用序列化储存：

        CFile file;	if(!file.Open("c:\\ojdata\\"+oj+"\\pinfo",CFile::modeWrite))	{		if(!file.Open("c:\\ojdata\\"+oj+"\\pinfo",CFile::modeCreate|CFile::modeWrite))		{			AfxMessageBox("写入出错");			return 1;		}	}	CArchive ar(&file,CArchive::store);	ar<
     
      infonum;	for(int i=0;i
      
       infonum;i++)	{		ar<<(&that->problemarr[i]);	}	ar.Close();	file.Close();	//统计题目下载成功与失败	str.Format("SECC:%d  FAIL:%d",that->infonum,totalnum-50-that->infonum);

hdu的：

全是中文题目的OJ，不错不错：

水水更健康：

    基本上题目的采集工作到此结束。以后做VOJ的时候再将各个部分正则出来。

因为网络环境的因素，OJ题目的访问速度不一定很快，这里可以用开多个线程进行下载，以及优化题目的下载和处理，因为我可以直接挂在我的服务器上下载，所以就一条线程下载处理完了。我用的电信50M的宽带（坑爆，说是50M，上行只有不到2M，电信太煎饼了，一个月169还不包含短信费，80端口封完喊还推荐我开3000一个月的商务宽带）大概下载一个OJ的所有题目10多分钟，我直接6个OJ一起下载的。不想等待的朋友可以直接在附件下载我采集好的题目包，把它解压到到C盘即可。

    采集到了题目，怎么看呢？肯定不能直接给人看，一堆标记语言烦死了。WINDOWS自带了浏览器控件，直接使用它即可，我使用了两种方式，一种是对话框上的HTML控件，可能是我的原因但是这个控件不稳定， 在一些电脑上老加载出错。

    于是我另外用了CDHtmlDialog。这直接是个HTML的对话框，每次把题目的本地地址给他后让其Navigate即可。由于我题目是储存的一个problemdata结构体，含有一些其他的信息。打开题目前需要把要显示的题目提取出来，重新生成一个HTML文件，然后再让HTML对话框打开它。

    题目的显示过程：

bool ProblemList::opensafeproblem(CString oj,CString pid){	CFile file;	if(!file.Open("c:\\ojdata\\"+oj+"\\"+pid,CFile::modeRead))	{		return false;	}	CArchive ar(&file,CArchive::load);	problemdata *data;	ar>>data;	ar.Close();	file.Close();	HtmlContent *contentdlg=new HtmlContent;	if(!contentdlg->setdata(*data))	{		AfxMessageBox("文件打开失败");		return false;	}	contentdlg->Create(IDD_DIALOG_HTML);	contentdlg->ShowWindow(SW_SHOW);	contentdlg->SetWindowTextA(pid);	return true;}
BOOL HtmlContent::OnInitDialog(){	CDHtmlDialog::OnInitDialog();	this->SetHostFlags(DOCHOSTUIFLAG_NO3DBORDER | DOCHOSTUIFLAG_FLAT_SCROLLBAR);	//将题目转化为HTML文件并在本地打开显示	CFile *f=new CFile;	if(!f->Open("c:\\ojdata\\"+data->oj+"\\"+data->id+".html",CFile::modeCreate|CFile::modeWrite))	{		AfxMessageBox("打开失败");		this->CloseWindow();	}	f->Write(data->allcontent,data->allcontent.GetLength());	f->Close();		this->Navigate("c:\\ojdata\\"+data->oj+"\\"+data->id+".html");	return TRUE;  // 除非将焦点设置到控件，否则返回 TRUE}

    整个离线题库就是这样，需要支持其他OJ只要改改正则和题号即可，对于一些没法直接获取到题目的OJ要做另外的处理，uestc的新OJ就需要另外的方式获取题目内容。