PHP使用CURL實現(xiàn)多線程抓取網(wǎng)頁

更新時間：2015年04月30日 10:37:33 投稿：hebedich

PHP 利用 Curl 可以完成各種傳送文件操作，比如模擬瀏覽器發(fā)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(fā)爬蟲程序效率并不高，不過可以用 Curl ，借助Curl 這個功能實現(xiàn)并發(fā)多線程的訪問多個url地址以實現(xiàn)并發(fā)多線程抓取網(wǎng)頁或者下載文件

PHP 利用 Curl Functions 可以完成各種傳送文件操作，比如模擬瀏覽器發(fā)送GET，POST請求等等，受限于php語言本身不支持多線程，所以開發(fā)爬蟲程序效率并不高，這時候往往需要借助Curl Multi Functions 它可以實現(xiàn)并發(fā)多線程的訪問多個url地址。既然 Curl Multi Function如此強大，能否用 Curl Multi Functions 來寫并發(fā)多線程下載文件呢，當(dāng)然可以，下面給出我的代碼：

代碼1：將獲得的代碼直接寫入某個文件

<?php 
$urls = array(  
 'http://www.sina.com.cn/',  
 'http://www.sohu.com/',  
 'http://www.163.com/' 
); // 設(shè)置要抓取的頁面URL  
   
$save_to='/test.txt';  // 把抓取的代碼寫入該文件   
  
$st = fopen($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); // 設(shè)置將爬取的代碼寫入文件  
 curl_multi_add_handle ($mh,$conn[$i]);  
} // 初始化  
   
do {  
 curl_multi_exec($mh,$active);  
} while ($active); // 執(zhí)行  
   
foreach ($urls as $i => $url) {  
 curl_multi_remove_handle($mh,$conn[$i]);  
 curl_close($conn[$i]);  
} // 結(jié)束清理  
   
curl_multi_close($mh);  
fclose($st); 
?>

代碼2：將獲得的代碼先放入變量，再寫入某個文件

<?php 
$urls = array(  
 'http://www.sina.com.cn/',  
 'http://www.sohu.com/',  
 'http://www.163.com/' 
);  
  
$save_to='/test.txt';  // 把抓取的代碼寫入該文件  
$st = fopen($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[$i],CURLOPT_RETURNTRANSFER,true); // 設(shè)置不將爬取代碼寫到瀏覽器，而是轉(zhuǎn)化為字符串  
 curl_multi_add_handle ($mh,$conn[$i]);  
}  
  
do {  
 curl_multi_exec($mh,$active);  
} while ($active);  
   
foreach ($urls as $i => $url) {  
 $data = curl_multi_getcontent($conn[$i]); // 獲得爬取的代碼字符串  
 fwrite($st,$data); // 將字符串寫入文件。當(dāng)然，也可以不寫入文件，比如存入數(shù)據(jù)庫  
} // 獲得數(shù)據(jù)變量，并寫入文件  
  
foreach ($urls as $i => $url) {  
 curl_multi_remove_handle($mh,$conn[$i]);  
 curl_close($conn[$i]);  
}  
  
curl_multi_close($mh);  
fclose($st);  
?>

以上所述就是本文的全部內(nèi)容了，希望大家能夠喜歡。

您可能感興趣的文章: