为什么在获取网站的源代码时会出现特殊字符？C ++

Question

我正在尝试获取Barack Obama的Wikipedia页面的源代码并将其保存到文件中。

一切正常，直到我打开文件并在其中看到一些奇怪的字符：

如您所见，它EOT1024出现在文件中，但是没有出现在网站的实际源代码中（我使用Google Chrome浏览器检查过）。我想知道为什么会发生这种情况，以及如何阻止这种情况发生。

我的代码：

#include <iostream>
#include <windows.h>
#include <wininet.h>
#include <fstream>
int main(){
    std::string textLink = "https://en.wikipedia.org/wiki/Barack_Obama";
    std::ofstream file;
    HINTERNET hInternet, hFile;
    char buf[1024];
    DWORD bytes_read;
    int finished = 0;
    bool e=false;
    std::string waste;

        file.open("data.txt",std::ios::out);
        hInternet = InternetOpenW(L"Whatever", INTERNET_OPEN_TYPE_PRECONFIG, NULL, NULL, 0);
        if (hInternet == NULL) {
            printf("InternetOpen failed\n");
        }
        hFile = InternetOpenUrl(hInternet, textLink.c_str(), NULL, 0L, 0, 0);
        if (hFile == NULL) {
            printf("InternetOpenUrl failed\n");
        }
        while (!finished) {
            if (InternetReadFile(hFile, buf, sizeof(buf), &bytes_read)) {
                if (bytes_read > 0) {
                    file  << bytes_read << buf;
                }
                else {
                    finished = 1;
                }
            }
            else {
                printf("InternetReadFile failed\n");
                finished = 1;
            }
        }
        InternetCloseHandle(hInternet);
        InternetCloseHandle(hFile);
        file.close();
}

我在这里在记事本中查看文本文件：

https://drive.google.com/open?id=1Ty-a1o29RWSQiO1zTLym6XH4dJvUjpTO

我不明白为什么我会在data.txt写入的文件中得到这些字符。

注：偶尔，而不是看到EOT1024，我甚至得到EOT21，EOT1016以及其他看似随机字符。

Answer 1

您实际上是在将整数写入bytes_read文件：

file  << bytes_read << buf;

有您的“ 1024”（有时会读取1024个字节）。

不要那样做

此外，您似乎buf以null终止。相反，流的第一bytes_read的buf; 这就是为什么你有那个整数。

所以：

file.write(&buf[0], bytes_read);

请查阅文档：

普通读取将为每次InternetReadFile的调用检索指定的dwNumberOfBytesToRead，直到到达文件末尾。为了确保检索到所有数据，应用程序必须继续调用InternetReadFile函数，直到该函数返回TRUE并且lpdwNumberOfBytesRead参数等于零为止。