php结合curl实现多线程抓取

php  /  管理员 发布于 7年前   174

php结合curl实现多线程抓取

$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

$urls = array('','http://www.google.com/','http://www.example.com/'); // 设置要抓取的页面URL$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

$urls = array('','http://www.google.com/','http://www.example.com/');$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

$urls=array( '5w.zip', '5w.zip', '5w.zip');$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);$urls=array( '5w.zip', '5w.zip', '5w.zip');$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。

您可能感兴趣的文章:

• php pthreads多线程的安装与使用
• 使用pthreads实现真正的PHP多线程（需PHP5.3以上版本）
• PHP使用CURL实现多线程抓取网页
• PHP多线程抓取网页实现代码
• php利用curl抓取新浪微博内容示例
• PHP CURL模拟登录新浪微博抓取页面内容 基于EaglePHP框架开发
• PHP 抓取新浪读书频道的小说并生成txt电子书的代码
• PHP实现采集抓取淘宝网单个商品信息
• PHP实现抓取HTTPS内容
• php使用pthreads v3多线程实现抓取新浪新闻信息操作示例