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.phpfensi.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.phpfensi.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. ?>

Tags: CURL多线程 PHP抓取网页

分享到：