• 技术文章 >后端开发 >php教程

    php结合curl实现多线程抓取_PHP

    2016-05-30 08:46:52原创441
    php结合curl实现多线程抓取

    <?php
    /*
    curl 多线程抓取
    */
     /** 
       * curl 多线程 
       * 
       * @param array $array 并行网址 
       * @param int $timeout 超时时间
       * @return array 
       */ 
     function Curl_http($array,$timeout){
     $res = array();
     $mh = curl_multi_init();//创建多个curl语柄
     $startime = getmicrotime();
     foreach($array as $k=>$url){
      $conn[$k]=curl_init($url);
    
        curl_setopt($conn[$k], CURLOPT_TIMEOUT, $timeout);//设置超时时间
        curl_setopt($conn[$k], CURLOPT_USERAGENT, 'Mozilla/5.0 (compatible; MSIE 5.01; Windows NT 5.0)');
        curl_setopt($conn[$k], CURLOPT_MAXREDIRS, 7);//HTTp定向级别
        curl_setopt($conn[$k], CURLOPT_HEADER, 0);//这里不要header,加块效率
        curl_setopt($conn[$k], CURLOPT_FOLLOWLOCATION, 1); // 302 redirect
        curl_setopt($conn[$k],CURLOPT_RETURNTRANSFER,1);
        curl_multi_add_handle ($mh,$conn[$k]);
     }
     //防止死循环耗死cpu 这段是根据网上的写法
     do {
      $mrc = curl_multi_exec($mh,$active);//当无数据,active=true
     } while ($mrc == CURLM_CALL_MULTI_PERFORM);//当正在接受数据时
     while ($active and $mrc == CURLM_OK) {//当无数据时或请求暂停时,active=true
      if (curl_multi_select($mh) != -1) {
      do {
       $mrc = curl_multi_exec($mh, $active);
      } while ($mrc == CURLM_CALL_MULTI_PERFORM);
      }
     }
    
     foreach ($array as $k => $url) {
       curl_error($conn[$k]);
        $res[$k]=curl_multi_getcontent($conn[$k]);//获得返回信息
        $header[$k]=curl_getinfo($conn[$k]);//返回头信息
        curl_close($conn[$k]);//关闭语柄
        curl_multi_remove_handle($mh , $conn[$k]);  //释放资源 
     }
    
     curl_multi_close($mh);
     $endtime = getmicrotime();
     $diff_time = $endtime - $startime;
    
     return array('diff_time'=>$diff_time,
       'return'=>$res,
       'header'=>$header 
       );
    
     }
     //计算当前时间
     function getmicrotime() {
       list($usec, $sec) = explode(" ",microtime());
       return ((float)$usec + (float)$sec);
     }
    
     //测试一下,curl 三个网址
     $array = array(
      "http://www.weibo.com/",
      "http://www.renren.com/",
      "http://www.qq.com/"
      );
     $data = Curl_http($array,'10');//调用
     var_dump($data);//输出
    //如果POST的数据大于1024字节,curl并不会直接就发起POST请求
    //发送请求时,header中包含一个空的Expect。curl_setopt($ch, CURLOPT_HTTPHEADER, array("Expect:"));
    ?>
    

    我们再来看几个例子

    (1)下面这段代码是实现抓取多个URL,然后将抓取的URL的页面代码写入指定的文件

    $urls = array(
    'http://www.bitsCN.com/',
    'http://www.google.com/',
    'http://www.example.com/'
    ); // 设置要抓取的页面URL
    $save_to='/test.txt'; // 把抓取的代码写入该文件
    $st = fopen($save_to,"a");
    $mh = curl_multi_init();
    foreach ($urls as $i => $url) {
    $conn[$i] = curl_init($url);
    curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");
    curl_setopt($conn[$i], CURLOPT_HEADER ,0);
    curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);
    curl_setopt($conn[$i], CURLOPT_FILE,$st); // 将爬取的代码写入文件
    curl_multi_add_handle ($mh,$conn[$i]);
    } // 初始化
    do {
    curl_multi_exec($mh,$active);
    } while ($active); // 执行
    foreach ($urls as $i => $url) {
    curl_multi_remove_handle($mh,$conn[$i]);
    curl_close($conn[$i]);
    } // 结束清理
    curl_multi_close($mh);
    fclose($st);
    

    (2)下面这段代码和上面差不多意思,只不过这个地方是将获得的代码先放入变量,然后再将获取到的内容写入指定的文件

    $urls = array(
    'http://www.bitsCN.com/',
    'http://www.google.com/',
    'http://www.example.com/'
    );
    $save_to='/test.txt'; // 把抓取的代码写入该文件
    $st = fopen($save_to,"a");
    $mh = curl_multi_init();
    foreach ($urls as $i => $url) {
    $conn[$i] = curl_init($url);
    curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");
    curl_setopt($conn[$i], CURLOPT_HEADER ,0);
    curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);
    curl_setopt($conn[$i],CURLOPT_RETURNTRANSFER,true); // 不将爬取代码写到浏览器,而是转化为字符串
    curl_multi_add_handle ($mh,$conn[$i]);
    }
    do {
    curl_multi_exec($mh,$active);
    } while ($active);
    foreach ($urls as $i => $url) {
    $data = curl_multi_getcontent($conn[$i]); // 获得爬取的代码字符串
    fwrite($st,$data); // 将字符串写入文件
    } // 获得数据变量,并写入文件
    foreach ($urls as $i => $url) {
    curl_multi_remove_handle($mh,$conn[$i]);
    curl_close($conn[$i]);
    }
    curl_multi_close($mh);
    fclose($st);
    

    (3)下面这段代码实现的是利用 PHP 的 Curl Functions 实现并发多线程下载文件

    $urls=array(
     'http://www.bitsCN.com/5w.zip',
     'http://www.bitsCN.com/5w.zip',
     'http://www.bitsCN.com/5w.zip'
    );
    $save_to='./home/';
    $mh=curl_multi_init();
    foreach($urls as $i=>$url){
     $g=$save_to.basename($url);
     if(!is_file($g)){
       $conn[$i]=curl_init($url);
       $fp[$i]=fopen($g,"w");
       curl_setopt($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(compatible; MSIE 7.0; Windows NT 6.0)");
       curl_setopt($conn[$i],CURLOPT_FILE,$fp[$i]);
       curl_setopt($conn[$i],CURLOPT_HEADER ,0);
       curl_setopt($conn[$i],CURLOPT_CONNECTTIMEOUT,60);
       curl_multi_add_handle($mh,$conn[$i]);
     }
    }
    do{
     $n=curl_multi_exec($mh,$active);
    }while($active);
    foreach($urls as $i=>$url){
     curl_multi_remove_handle($mh,$conn[$i]);
     curl_close($conn[$i]);
     fclose($fp[$i]);
    }
    curl_multi_close($mh);$urls=array(
     'http://www.bitsCN.com/5w.zip',
     'http://www.bitsCN.com/5w.zip',
     'http://www.bitsCN.com/5w.zip'
    );
    $save_to='./home/';
    $mh=curl_multi_init();
    foreach($urls as $i=>$url){
     $g=$save_to.basename($url);
     if(!is_file($g)){
       $conn[$i]=curl_init($url);
       $fp[$i]=fopen($g,"w");
       curl_setopt($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(compatible; MSIE 7.0; Windows NT 6.0)");
       curl_setopt($conn[$i],CURLOPT_FILE,$fp[$i]);
       curl_setopt($conn[$i],CURLOPT_HEADER ,0);
       curl_setopt($conn[$i],CURLOPT_CONNECTTIMEOUT,60);
       curl_multi_add_handle($mh,$conn[$i]);
     }
    }
    do{
     $n=curl_multi_exec($mh,$active);
    }while($active);
    foreach($urls as $i=>$url){
     curl_multi_remove_handle($mh,$conn[$i]);
     curl_close($conn[$i]);
     fclose($fp[$i]);
    }
    curl_multi_close($mh);
    

    以上所述就是本文的全部内容了,希望大家能够喜欢。

    声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn核实处理。
    专题推荐:php curl实现多线程
    上一篇:php基础教程_PHP 下一篇:自己动手写 PHP MVC 框架(40节精讲/巨细/新人进阶必看)

    相关文章推荐

    • 聊聊php百万数据怎么写入csv• PhpMyAdmin中无法导入sql文件的解决办法• php后台如何避免用户直接进入方法实例_php实例• 关于phpcms 中头像下传 那位高手说上怎么实现的• 请问下php的zend加密的有关问题
    1/1

    PHP中文网