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，因此经常需要借助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

1. <?php 
2. /* 
3. curl 多线程抓取 
4. */ 
5.  /**  
6.    * curl 多线程  
7.    *  
8.    * @param array $array 并行网址  
9.    * @param int $timeout 超时时间 
10.    * @return array  
11.    */ 
12.  function Curl_http($array,$timeout){ 
13.  $res = array(); 
14.  $mh = curl_multi_init();//创建多个curl语柄 
15.  $startime = getmicrotime(); 
16.  foreach($array as $k=>$url){ 
17.   $conn[$k]=curl_init($url); 
18.  
19.     curl_setopt($conn[$k], CURLOPT_TIMEOUT, $timeout);//设置超时时间 
20.     curl_setopt($conn[$k], CURLOPT_USERAGENT, 'Mozilla/5.0 (compatible; MSIE 5.01; Windows NT 5.0)'); 
21.     curl_setopt($conn[$k], CURLOPT_MAXREDIRS, 7);//HTTp定向级别 
22.     curl_setopt($conn[$k], CURLOPT_HEADER, 0);//这里不要header，加块效率 
23.     curl_setopt($conn[$k], CURLOPT_FOLLOWLOCATION, 1); // 302 redirect 
24.     curl_setopt($conn[$k],CURLOPT_RETURNTRANSFER,1); 
25.     curl_multi_add_handle ($mh,$conn[$k]); 
26.  } 
27.  //防止死循环耗死cpu 这段是根据网上的写法 
28.  do { 
29.   $mrc = curl_multi_exec($mh,$active);//当无数据，active=true 
30.  } while ($mrc == CURLM_CALL_MULTI_PERFORM);//当正在接受数据时 
31.  while ($active and $mrc == CURLM_OK) {//当无数据时或请求暂停时，active=true 
32.   if (curl_multi_select($mh) != -1) { 
33.   do { 
34.    $mrc = curl_multi_exec($mh, $active); 
35.   } while ($mrc == CURLM_CALL_MULTI_PERFORM); 
36.   } 
37.  } 
38.  
39.  foreach ($array as $k => $url) { 
40.    curl_error($conn[$k]); 
41.     $res[$k]=curl_multi_getcontent($conn[$k]);//获得返回信息 
42.     $header[$k]=curl_getinfo($conn[$k]);//返回头信息 
43.     curl_close($conn[$k]);//关闭语柄 
44.     curl_multi_remove_handle($mh , $conn[$k]);  //释放资源  
45.  } 
46.  
47.  curl_multi_close($mh); 
48.  $endtime = getmicrotime(); 
49.  $diff_time = $endtime - $startime; 
50.  
51.  return array('diff_time'=>$diff_time, 
52.    'return'=>$res, 
53.    'header'=>$header 
54.    ); 
55.  
56.  } 
57.  //计算当前时间 
58.  function getmicrotime() { 
59.    list($usec, $sec) = explode(" ",microtime()); 
60.    return ((float)$usec + (float)$sec); 
61.  } 
62.  
63.  //测试一下，curl 三个网址 
64.  $array = array( 
65.   "http://www.weibo.com/", 
66.   "http://www.renren.com/", 
67.   "http://www.qq.com/" 
68.   ); 
69.  $data = Curl_http($array,'10');//调用 
70.  var_dump($data);//输出 
71. //如果POST的数据大于1024字节，curl并不会直接就发起POST请求 
72. //发送请求时，header中包含一个空的Expect。curl_setopt($ch, CURLOPT_HTTPHEADER, array("Expect:")); 
73. ?> 

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

1. $urls = array( 
2. 'https://www.phpfensi.net/', 
3. 'http://www.google.com/', 
4. 'http://www.example.com/' 
5. ); // 设置要抓取的页面URL 
6. $save_to='/test.txt'; // 把抓取的代码写入该文件 
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); // 将爬取的代码写入文件 
15. curl_multi_add_handle ($mh,$conn[$i]); 
16. } // 初始化 
17. do { 
18. curl_multi_exec($mh,$active); 
19. } while ($active); // 执行 
20. foreach ($urls as $i => $url) { 
21. curl_multi_remove_handle($mh,$conn[$i]); 
22. curl_close($conn[$i]); 
23. } // 结束清理 
24. curl_multi_close($mh); 
25. fclose($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。

1. $urls = array( 
2. 'https://www.phpfensi.net/', 
3. 'http://www.google.com/', 
4. 'http://www.example.com/' 
5. ); 
6. $save_to='/test.txt'; // 把抓取的代码写入该文件 
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[$i],CURLOPT_RETURNTRANSFER,true); // 不将爬取代码写到浏览器，而是转化为字符串 
15. curl_multi_add_handle ($mh,$conn[$i]); 
16. } 
17. do { 
18. curl_multi_exec($mh,$active); 
19. } while ($active); 
20. foreach ($urls as $i => $url) { 
21. $data = curl_multi_getcontent($conn[$i]); // 获得爬取的代码字符串 
22. fwrite($st,$data); // 将字符串写入文件 
23. } // 获得数据变量，并写入文件 
24. foreach ($urls as $i => $url) { 
25. curl_multi_remove_handle($mh,$conn[$i]); 
26. curl_close($conn[$i]); 
27. } 
28. curl_multi_close($mh); 
29. fclose($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

1. $urls=array( 
2.  'https://www.phpfensi.com/5w.zip', 
3.  'https://www.phpfensi.com/5w.zip', 
4.  'https://www.phpfensi.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.  } 
19. } 
20. do{ 
21.  $n=curl_multi_exec($mh,$active); 
22. }while($active); 
23. foreach($urls as $i=>$url){ 
24.  curl_multi_remove_handle($mh,$conn[$i]); 
25.  curl_close($conn[$i]); 
26.  fclose($fp[$i]); 
27. } 
28. curl_multi_close($mh);$urls=array( 
29.  'https://www.phpfensi.com/5w.zip', 
30.  'https://www.phpfensi.com/5w.zip', 
31.  'https://www.phpfensi.com/5w.zip' 
32. ); 
33. $save_to='./home/'; 
34. $mh=curl_multi_init(); 
35. foreach($urls as $i=>$url){ 
36.  $g=$save_to.basename($url); 
37.  if(!is_file($g)){ 
38.    $conn[$i]=curl_init($url); 
39.    $fp[$i]=fopen($g,"w"); 
40.    curl_setopt($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(compatible; MSIE 7.0; Windows NT 6.0)"); 
41.    curl_setopt($conn[$i],CURLOPT_FILE,$fp[$i]); 
42.    curl_setopt($conn[$i],CURLOPT_HEADER ,0); 
43.    curl_setopt($conn[$i],CURLOPT_CONNECTTIMEOUT,60); 
44.    curl_multi_add_handle($mh,$conn[$i]); 
45.  } 
46. } 
47. do{ 
48.  $n=curl_multi_exec($mh,$active); 
49. }while($active); 
50. foreach($urls as $i=>$url){ 
51.  curl_multi_remove_handle($mh,$conn[$i]); 
52.  curl_close($conn[$i]); 
53.  fclose($fp[$i]); 
54. } 
55. curl_multi_close($mh); 

以上所述就是本文的全部内容了，希望大家能够喜欢。

Tags: curl多线程抓取

分享到：