InternetReadFileEx异步HTTP POST,返回正确的长度,但是数据是乱码

红色代码 2014-08-14 02:24:09
GET没问题,POST一个页面如http://127.0.0.1/post.php HTTP body为user=aaa&pass=bbb时,INTERNET_BUFFERS的dwBufferLength返回正确的长度17,但是lpReadBuff有时为空,有时为乱码,这是为何?
BOOL CWinHttpRequest::RecvResponseData()
{
cout << "开始接收数据" << endl;
m_pHttpResponse->Clear();

BOOL bAllDone = FALSE;
char lpReadBuff[1024];
do
{
INTERNET_BUFFERS InetBuff;
FillMemory(&InetBuff, sizeof(InetBuff), 0);
InetBuff.dwStructSize = sizeof(InetBuff);
InetBuff.lpvBuffer = lpReadBuff;
InetBuff.dwBufferLength = sizeof(lpReadBuff);

if(!InternetReadFileEx(m_hRequest, &InetBuff, IRF_ASYNC, (DWORD_PTR)m_pContext))
{
if(GetLastError() == ERROR_IO_PENDING)
WaitRequestComplete();
else
{
cout << "InternetReadFileEx failed, error " << GetLastError();
cout.flush();
return FALSE;
}
}
m_pHttpResponse->AppendData(lpReadBuff, InetBuff.dwBufferLength);

if(InetBuff.dwBufferLength == 0)
bAllDone = TRUE;
}
while(bAllDone == FALSE);

cout << "数据接收完毕" << endl;
return TRUE;
}
...全文
167 5 打赏 收藏 转发到动态 举报
写回复
用AI写文章
5 条回复
切换为时间正序
请发表友善的回复…
发表回复
红色代码 2014-08-15
  • 打赏
  • 举报
回复
引用 1 楼 VisualEleven 的回复:
函数都执行成功?为乱码的情况是否与URLEncode有关?你的网页是什么编码?UTF8 ?
如果是编码的问题,对于同一个页面进行多次相同的数据post,每次返回的内容应该是一样的吧?现在是每次返回的长度都正确,内容是随机的。。。
oyljerry 2014-08-14
  • 打赏
  • 举报
回复
数据内容有编码,gzip,UTF8等
红色代码 2014-08-14
  • 打赏
  • 举报
回复
引用 2 楼 oyljerry 的回复:
数据内容有编码,gzip,UTF8等
是页面的编码呢还是http请求的编码?http头已经设置为了报文的MIME了。
httpHeader.Add(_T("Content-Type: application/x-www-form-urlencoded\r\n"));
红色代码 2014-08-14
  • 打赏
  • 举报
回复
引用 1 楼 VisualEleven 的回复:
函数都执行成功?为乱码的情况是否与URLEncode有关?你的网页是什么编码?UTF8 ?
函数都执行成功了,这个确定。貌似可能是编码的问题,不过post过去的数据都是英文,没有中文。页面测试post和抓包工具看到的都是我提交的数据user=aaa&pass=bbb。网页utf-8 gbk2312 gbk都试过了,里面的html标签都能输出,唯有php输出post的数据那里不对。
<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=gb2312" />
<? echo file_get_contents("php://input"); ?>
</head>
</html>
Eleven 2014-08-14
  • 打赏
  • 举报
回复
函数都执行成功?为乱码的情况是否与URLEncode有关?你的网页是什么编码?UTF8 ?
内容概要:本文系统研究了基于CNN-SVM的卷积神经网络与支持向量机融合的数据分类预测方法,聚焦其在工业故障识别中的应用,提供了完整的Matlab代码实现。通过CNN提取输入数据的深层空间特征,再由SVM进行高精度分类,充分发挥两者优势,有效提升了故障识别的准确性、鲁棒性与泛化能力。该方法特别适用于处理电力系统、机械设备等领域的高维、非线性、强噪声监测数据,在变压器故障诊断、轴承缺陷识别等场景中具有重要应用价值。文档还整合了机器学习、深度学习、图像处理、路径规划、电力系统优化等多个前沿科研方向的技术资源,配套大量Matlab/Simulink仿真案例与Python代码,全面支持科研复现与工程实践。; 适合人群:具备一定编程基础,熟练掌握Matlab或Python语言,从事电气工程、自动化、人工智能、机械故障诊断等相关领域研究的研发人员及高校研究生; 使用场景及目标:① 实现工业设备的状态监测与多类别故障分类;② 深入理解CNN与SVM融合模型的设计原理与工程实现细节;③ 借助所提供的丰富算法案例开展科研复现、模型优化与系统仿真验证; 阅读建议:建议按照文档目录结构系统化学习,结合百度网盘提供的完整代码资源进行动手实践,重点关注CNN特征提取层与SVM分类器之间的数据接口设计与参数调优策略,同时可延伸学习文中涉及的其他智能算法及其在电力系统、信号处理等领域的交叉应用,全面提升科研创新能力。

18,356

社区成员

发帖
与我相关
我的任务
社区描述
VC/MFC 网络编程
c++c语言开发语言 技术论坛(原bbs)
社区管理员
  • 网络编程
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧