php结合curl实现多线程抓取
网络编程 2021-07-05 09:09www.168986.cn编程入门
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,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,经常需要借助Curl Multi Functions 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($url); curl_set($conn[$k], CURLOPT_TIMEOUT, $timeout);//设置超时时间 curl_set($conn[$k], CURLOPT_USERAGENT, 'Mozilla/5.0 (patible; MSIE 5.01; Windows NT 5.0)'); curl_set($conn[$k], CURLOPT_MAXREDIRS, 7);//HTTp定向级别 curl_set($conn[$k], CURLOPT_HEADER, 0);//这里不要header,加块效率 curl_set($conn[$k], CURLOPT_FOLLOWLOCATION, 1); // 302 redirect curl_set($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://.weibo./", "http://.renren./", "http://.qq./" ); $data = Curl_http($array,'10');//调用 var_dump($data);//输出 //如果POST的数据大于1024字节,curl并不会直接就发起POST请求 //发送请求时,header中包含一个空的Expect。curl_set($ch, CURLOPT_HTTPHEADER, array("Expect:")); ?>
我们再来看几个例子
(1)狼蚁网站SEO优化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( 'https://.jb51./', 'http://.google./', 'http://.example./' ); // 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($url); curl_set($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (patible; MSIE 7.0; Windows NT 6.0)"); curl_set($conn[$i], CURLOPT_HEADER ,0); curl_set($conn[$i], CURLOPT_CONNECTTIMEOUT,60); curl_set($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)狼蚁网站SEO优化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( 'https://.jb51./', 'http://.google./', 'http://.example./' ); $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($url); curl_set($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (patible; MSIE 7.0; Windows NT 6.0)"); curl_set($conn[$i], CURLOPT_HEADER ,0); curl_set($conn[$i], CURLOPT_CONNECTTIMEOUT,60); curl_set($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)狼蚁网站SEO优化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( 'https://.jb51./5w.zip', 'https://.jb51./5w.zip', 'https://.jb51./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($g,"w"); curl_set($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(patible; MSIE 7.0; Windows NT 6.0)"); curl_set($conn[$i],CURLOPT_FILE,$fp[$i]); curl_set($conn[$i],CURLOPT_HEADER ,0); curl_set($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( 'https://.jb51./5w.zip', 'https://.jb51./5w.zip', 'https://.jb51./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($g,"w"); curl_set($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(patible; MSIE 7.0; Windows NT 6.0)"); curl_set($conn[$i],CURLOPT_FILE,$fp[$i]); curl_set($conn[$i],CURLOPT_HEADER ,0); curl_set($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。
上一篇:php链表用法实例分析
下一篇:php基本函数汇总
编程语言
- 宿迁百度关键词排名指南:实现精准营销的关键
- 四川SEO优化怎么做网络推广
- 立昂技术备案老域名收购:如何为您的业务赋能
- 安徽百度关键词seo贵不贵,一般需要多少钱
- 吉林百度快照排名怎么做电话营销
- 多伦新手做SEO怎么做
- 甘肃优化关键词排名推广怎么做论坛营销
- 沙雅SEO网站推广:提升您的在线可见性
- 四川SEO优化如何提升销售额和销售量
- 聂荣网站排名优化:提升网站可见性的全方位指
- 涞水SEO:提升地方企业在线可见性的策略
- 辽宁百度seo排名怎样做网站排名
- 临湘哪有关键词排名优化:提升网站可见度的关
- 黑龙江百度网站优化有没有优惠
- 凉城优化关键词排名推广:提升您的网络可见性
- 萝北整站优化:提升您网站流量和排名的全面指