Universität Ulm - Sektion Angewandte Informationsverarbeitung

Letztes und 7. Übungsblatt (23.06.97 bis 07.07.97)

zur Vorlesung Systemnahe Software II (Sommersemester 1997)

Aufgabe 8 (15 Punkte)

Erweitern Sie Ihr C-Programm von Aufgabe 7 so, daß es nun wirklich online HTML-Dokumente durchsuchen kann. Die Suchmaschine sollte folgendermaßen aufgerufen werden:

suchmaschine wort{+wort} server-adresse/dokument

Sie durchsucht das entsprechende Dokument auf dem angegebenen Server nach der Wortliste und gibt eine Meldung auf Stdout aus, falls das Dokument sämtliche Wörter der Liste enthält. Danach geht es allen im Dokument enthaltenen Querverweisen à la <a href="..."> nach und durchsucht diese rekursiv. Damit sich Ihr Programm nicht in der weiten Welt verliert, darf es den Server nicht verlassen. Außerdem beschränkt sich die Rekursionstiefe auf 5 und die Gesamtzahl aller durchsuchten Dokumente auf maximal 100. Es handelt sich somit also um eine kleine Intranet-Suchmaschine.

Achten Sie darauf, daß Sie eine einfache Maßnahme einbauen, mit der Sie bereits durchsuchte Dokumente erkennen, falls sie ein zweites Mal auftauchen. Ansonsten würde Ihr Programm sich in Loops "verlieren".

Beachten Sie bei der Auswertung der Querverweise folgende Adress-Regeln (Ihr Programm sucht gerade auf dem WWW-Server www.aktserv und befindet sich im Dokument oldpath/aktdok):

String in HREF="..."        Ergebnisadresse                    

/pfad/                      www.aktserv/pfad/                                     

pfad/                       www.aktserv/oldpath/pfad/                             

http://www.newserver/path/  www.newserver/path/                                   

//www.newserver/path/       www.newserver/path/                                   

http:/path/                 www.aktserv/path/                                     

/path/doku.html#4           Verweis auf eine Textmarke in                         
                            www.aktserv/path/doku.html (komplett ignorieren!)     

/path/picture.[gif|tif|jpg] Verweis auf Bilder! Ignorieren! Erkennt man am        
                            Protokollheader

Wichtige Beispielprogramme aus den Übungen finden Sie unter

/www/thales/ftp/pub/vorlesungen/ss97/soft/zb/8

Wenn ein HTML-Textdokument korrekt vom Server angeliefert wird, lautet die erste Zeile "HTTP/1.0 200 OK" und es kommt dann später eine Zeile mit "Content-type: text/html". Ansonsten wurde das Dokument nicht gefunden oder es ist kein Textdokument!
Der voraussichtliche Fahrplan bis Ende des Semesters sieht wie folgt aus: 26.6 Vorlesung - 30.6. Vorlesung/special guest - 3.7. dies academicus: keine Vorlesung - 7.7. Übungen und Wiederholungsstunde vor der Klausur - 10.7. Klausur - 11.7. Klausurergebnisse und Scheine in der Helmholtzstraße abzuholen

und Tschüß ...!