首页 > 开发 > PHP > 正文

php结合curl实现多线程抓取

2024-05-04 22:36:03
字体:
来源:转载
供稿:网友

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

$urls = array('//www.jb51.net/','http://www.google.com/','http://www.example.com/'); // 设置要抓取的页面URL$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);            
发表评论 共有条评论
用户名: 密码:
验证码: 匿名发表