国产探花免费观看_亚洲丰满少妇自慰呻吟_97日韩有码在线_资源在线日韩欧美_一区二区精品毛片,辰东完美世界有声小说,欢乐颂第一季,yy玄幻小说排行榜完本

首頁 > 開發 > PHP > 正文

php結合curl實現多線程抓取

2024-05-04 23:37:31
字體:
來源:轉載
供稿:網友

PHP利用 Curl可以完成各種傳送文件操作,比如模擬瀏覽器發送GET,POST請求等等,然而因為php語言本身不支持多線程,所以開發爬蟲程序效率并不高,因此經常需要借助Curl Multi Functions 這個功能實現并發多線程的訪問多個url地址以實現并發多線程抓取網頁或者下載文件

php結合curl實現多線程抓取

 

 
  1. <?php 
  2. /* 
  3. curl 多線程抓取 
  4. */ 
  5. /**  
  6. * curl 多線程  
  7.  
  8. * @param array $array 并行網址  
  9. * @param int $timeout 超時時間 
  10. * @return array  
  11. */ 
  12. function Curl_http($array,$timeout){ 
  13. $res = array(); 
  14. $mh = curl_multi_init();//創建多個curl語柄 
  15. $startime = getmicrotime(); 
  16. foreach($array as $k=>$url){ 
  17. $conn[$k]=curl_init($url); 
  18.  
  19. curl_setopt($conn[$k], CURLOPT_TIMEOUT, $timeout);//設置超時時間 
  20. curl_setopt($conn[$k], CURLOPT_USERAGENT, 'Mozilla/5.0 (compatible; MSIE 5.01; Windows NT 5.0)'); 
  21. curl_setopt($conn[$k], CURLOPT_MAXREDIRS, 7);//HTTp定向級別 
  22. curl_setopt($conn[$k], CURLOPT_HEADER, 0);//這里不要header,加塊效率 
  23. curl_setopt($conn[$k], CURLOPT_FOLLOWLOCATION, 1); // 302 redirect 
  24. curl_setopt($conn[$k],CURLOPT_RETURNTRANSFER,1); 
  25. curl_multi_add_handle ($mh,$conn[$k]); 
  26. //防止死循環耗死cpu 這段是根據網上的寫法 
  27. do { 
  28. $mrc = curl_multi_exec($mh,$active);//當無數據,active=true 
  29. while ($mrc == CURLM_CALL_MULTI_PERFORM);//當正在接受數據時 
  30. while ($active and $mrc == CURLM_OK) {//當無數據時或請求暫停時,active=true 
  31. if (curl_multi_select($mh) != -1) { 
  32. do { 
  33. $mrc = curl_multi_exec($mh, $active); 
  34. while ($mrc == CURLM_CALL_MULTI_PERFORM); 
  35.  
  36. foreach ($array as $k => $url) { 
  37. curl_error($conn[$k]); 
  38. $res[$k]=curl_multi_getcontent($conn[$k]);//獲得返回信息 
  39. $header[$k]=curl_getinfo($conn[$k]);//返回頭信息 
  40. curl_close($conn[$k]);//關閉語柄 
  41. curl_multi_remove_handle($mh , $conn[$k]); //釋放資源  
  42.  
  43. curl_multi_close($mh); 
  44. $endtime = getmicrotime(); 
  45. $diff_time = $endtime - $startime; 
  46.  
  47. return array('diff_time'=>$diff_time, 
  48. 'return'=>$res, 
  49. 'header'=>$header 
  50. ); 
  51.  
  52. //計算當前時間 
  53. function getmicrotime() { 
  54. list($usec, $sec) = explode(" ",microtime()); 
  55. return ((float)$usec + (float)$sec); 
  56.  
  57. //測試一下,curl 三個網址 
  58. $array = array( 
  59. "http://www.weibo.com/"
  60. "http://www.renren.com/"
  61. "http://www.qq.com/" 
  62. ); 
  63. $data = Curl_http($array,'10');//調用 
  64. var_dump($data);//輸出 
  65. //如果POST的數據大于1024字節,curl并不會直接就發起POST請求 
  66. //發送請求時,header中包含一個空的Expect。curl_setopt($ch, CURLOPT_HTTPHEADER, array("Expect:")); 
  67. ?> 

我們再來看幾個例子

(1)下面這段代碼是實現抓取多個URL,然后將抓取的URL的頁面代碼寫入指定的文件

 

 
  1. $urls = array( 
  2. 'http://m.survivalescaperooms.com/'
  3. 'http://www.google.com/'
  4. 'http://www.example.com/' 
  5. ); // 設置要抓取的頁面URL 
  6. $save_to='/test.txt'// 把抓取的代碼寫入該文件 
  7. $st = fopen($save_to,"a"); 
  8. $mh = curl_multi_init(); 
  9. foreach ($urls as $i => $url) { 
  10. $conn[$i] = curl_init($url); 
  11. curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)"); 
  12. curl_setopt($conn[$i], CURLOPT_HEADER ,0); 
  13. curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60); 
  14. curl_setopt($conn[$i], CURLOPT_FILE,$st); // 將爬取的代碼寫入文件 
  15. curl_multi_add_handle ($mh,$conn[$i]); 
  16. // 初始化 
  17. do { 
  18. curl_multi_exec($mh,$active); 
  19. while ($active); // 執行 
  20. foreach ($urls as $i => $url) { 
  21. curl_multi_remove_handle($mh,$conn[$i]); 
  22. curl_close($conn[$i]); 
  23. // 結束清理 
  24. curl_multi_close($mh); 
  25. fclose($st); 

(2)下面這段代碼和上面差不多意思,只不過這個地方是將獲得的代碼先放入變量,然后再將獲取到的內容寫入指定的文件

 

 
  1. $urls = array( 
  2. 'http://m.survivalescaperooms.com/'
  3. 'http://www.google.com/'
  4. 'http://www.example.com/' 
  5. ); 
  6. $save_to='/test.txt'// 把抓取的代碼寫入該文件 
  7. $st = fopen($save_to,"a"); 
  8. $mh = curl_multi_init(); 
  9. foreach ($urls as $i => $url) { 
  10. $conn[$i] = curl_init($url); 
  11. curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)"); 
  12. curl_setopt($conn[$i], CURLOPT_HEADER ,0); 
  13. curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60); 
  14. curl_setopt($conn[$i],CURLOPT_RETURNTRANSFER,true); // 不將爬取代碼寫到瀏覽器,而是轉化為字符串 
  15. curl_multi_add_handle ($mh,$conn[$i]); 
  16. do { 
  17. curl_multi_exec($mh,$active); 
  18. while ($active); 
  19. foreach ($urls as $i => $url) { 
  20. $data = curl_multi_getcontent($conn[$i]); // 獲得爬取的代碼字符串 
  21. fwrite($st,$data); // 將字符串寫入文件 
  22. // 獲得數據變量,并寫入文件 
  23. foreach ($urls as $i => $url) { 
  24. curl_multi_remove_handle($mh,$conn[$i]); 
  25. curl_close($conn[$i]); 
  26. curl_multi_close($mh); 
  27. fclose($st); 

(3)下面這段代碼實現的是利用 PHP 的 Curl Functions 實現并發多線程下載文件

 

 
  1. $urls=array( 
  2. 'http://m.survivalescaperooms.com/5w.zip'
  3. 'http://m.survivalescaperooms.com/5w.zip'
  4. 'http://m.survivalescaperooms.com/5w.zip' 
  5. ); 
  6. $save_to='./home/'
  7. $mh=curl_multi_init(); 
  8. foreach($urls as $i=>$url){ 
  9. $g=$save_to.basename($url); 
  10. if(!is_file($g)){ 
  11. $conn[$i]=curl_init($url); 
  12. $fp[$i]=fopen($g,"w"); 
  13. curl_setopt($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(compatible; MSIE 7.0; Windows NT 6.0)"); 
  14. curl_setopt($conn[$i],CURLOPT_FILE,$fp[$i]); 
  15. curl_setopt($conn[$i],CURLOPT_HEADER ,0); 
  16. curl_setopt($conn[$i],CURLOPT_CONNECTTIMEOUT,60); 
  17. curl_multi_add_handle($mh,$conn[$i]); 
  18. do
  19. $n=curl_multi_exec($mh,$active); 
  20. }while($active); 
  21. foreach($urls as $i=>$url){ 
  22. curl_multi_remove_handle($mh,$conn[$i]); 
  23. curl_close($conn[$i]); 
  24. fclose($fp[$i]); 
  25. curl_multi_close($mh);$urls=array( 
  26. 'http://m.survivalescaperooms.com/5w.zip'
  27. 'http://m.survivalescaperooms.com/5w.zip'
  28. 'http://m.survivalescaperooms.com/5w.zip' 
  29. ); 
  30. $save_to='./home/'
  31. $mh=curl_multi_init(); 
  32. foreach($urls as $i=>$url){ 
  33. $g=$save_to.basename($url); 
  34. if(!is_file($g)){ 
  35. $conn[$i]=curl_init($url); 
  36. $fp[$i]=fopen($g,"w"); 
  37. curl_setopt($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(compatible; MSIE 7.0; Windows NT 6.0)"); 
  38. curl_setopt($conn[$i],CURLOPT_FILE,$fp[$i]); 
  39. curl_setopt($conn[$i],CURLOPT_HEADER ,0); 
  40. curl_setopt($conn[$i],CURLOPT_CONNECTTIMEOUT,60); 
  41. curl_multi_add_handle($mh,$conn[$i]); 
  42. do
  43. $n=curl_multi_exec($mh,$active); 
  44. }while($active); 
  45. foreach($urls as $i=>$url){ 
  46. curl_multi_remove_handle($mh,$conn[$i]); 
  47. curl_close($conn[$i]); 
  48. fclose($fp[$i]); 
  49. curl_multi_close($mh); 

以上所述就是本文的全部內容了,希望大家能夠喜歡。

發表評論 共有條評論
用戶名: 密碼:
驗證碼: 匿名發表
主站蜘蛛池模板: 大田县| 文登市| 犍为县| 西青区| 临澧县| 岳阳县| 临江市| 南投县| 慈利县| 化州市| 南川市| 陇西县| 台中县| 凤山县| 石渠县| 卢氏县| 福海县| 张掖市| 贵德县| 西城区| 阜阳市| 颍上县| 秀山| 宜春市| 新源县| 石泉县| 五家渠市| 海城市| 巴青县| 突泉县| 乐清市| 衢州市| 张掖市| 罗定市| 自治县| 临沧市| 辉南县| 靖江市| 安丘市| 抚州市| 宿州市|