PHP使用CURL实现多线程抓取网页

PHP 利用 Curl 可以完成各种传送文件操作，比如模拟浏览器发送GET，POST请求等等，然而因为php语言本身不支持多线程，所以开发爬虫程序效率并不高，不过可以用 Curl ，借助Curl 这个功能实现并发多线程的访问多个url地址以实现并发多线程抓取网页或者下载文件

PHP 利用 Curl Functions 可以完成各种传送文件操作，比如模拟浏览器发送GET，POST请求等等，受限于php语言本身不支持多线程，所以开发爬虫程序效率并不高，这时候往往需 要借助Curl Multi Functions 它可以实现并发多线程的访问多个url地址。既然 Curl Multi Function如此强大，能否用 Curl Multi Functions 来写并发多线程下载文件呢，当然可以，下面给出我的代码：

代码1：将获得的代码直接写入某个文件

1. <?php  
2. $urls = array(  
3. 'http://www.sina.com.cn/',  
4. 'http://www.sohu.com/',  
5. 'http://www.163.com/' 
6. ); // 设置要抓取的页面URL  
7.  
8. $save_to='/test.txt'; // 把抓取的代码写入该文件  
9.  
10. $st = fopen($save_to,"a");  
11. $mh = curl_multi_init();  
12.  
13. foreach ($urls as $i => $url) {  
14. $conn[$i] = curl_init($url);  
15. curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");  
16. curl_setopt($conn[$i], CURLOPT_HEADER ,0);  
17. curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);  
18. curl_setopt($conn[$i], CURLOPT_FILE,$st); // 设置将爬取的代码写入文件  
19. curl_multi_add_handle ($mh,$conn[$i]);  
20. } // 初始化  
21.  
22. do {  
23. curl_multi_exec($mh,$active);  
24. } while ($active); // 执行  
25.  
26. foreach ($urls as $i => $url) {  
27. curl_multi_remove_handle($mh,$conn[$i]);  
28. curl_close($conn[$i]);  
29. } // 结束清理  
30.  
31. curl_multi_close($mh);  
32. fclose($st);  
33. ?>  

代码2：将获得的代码先放入变量，再写入某个文件

1. <?php  
2. $urls = array(  
3. 'http://www.sina.com.cn/',  
4. 'http://www.sohu.com/',  
5. 'http://www.163.com/' 
6. );  
7.  
8. $save_to='/test.txt'; // 把抓取的代码写入该文件  
9. $st = fopen($save_to,"a");  
10.  
11. $mh = curl_multi_init();  
12. foreach ($urls as $i => $url) {  
13. $conn[$i] = curl_init($url);  
14. curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");  
15. curl_setopt($conn[$i], CURLOPT_HEADER ,0);  
16. curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);  
17. curl_setopt($conn[$i],CURLOPT_RETURNTRANSFER,true); // 设置不将爬取代码写到浏览器，而是转化为字符串  
18. curl_multi_add_handle ($mh,$conn[$i]);  
19. }  
20.  
21. do {  
22. curl_multi_exec($mh,$active);  
23. } while ($active);  
24.  
25. foreach ($urls as $i => $url) {  
26. $data = curl_multi_getcontent($conn[$i]); // 获得爬取的代码字符串  
27. fwrite($st,$data); // 将字符串写入文件。当然，也可以不写入文件，比如存入数据库  
28. } // 获得数据变量，并写入文件  
29.  
30. foreach ($urls as $i => $url) {  
31. curl_multi_remove_handle($mh,$conn[$i]);  
32. curl_close($conn[$i]);  
33. }  
34.  
35. curl_multi_close($mh);  
36. fclose($st);  
37. ?> 

以上所述就是本文的全部内容了，希望大家能够喜欢。