PHP使用CURL实现多线程抓取网页

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

  <?php   $urls = array(     'http://www.sina.com.cn/',     'http://www.sohu.com/',     'http://www.163.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); // 设置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);   ?>   

代码2:将获得的代码先放入变量,再写入某个文件

  <?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[$i],CURLOPT_RETURNTRANSFER,true); // 设置不将爬取代码写到浏览器,而是转化为字符串     curl_multi_add_handle ($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,$data); // 将字符串写入文件。当然,也可以不写入文件,比如存入数据库    } // 获得数据变量,并写入文件        foreach ($urls as $i => $url) {     curl_multi_remove_handle($mh,$conn[$i]);     curl_close($conn[$i]);    }        curl_multi_close($mh);    fclose($st);    ?> 

以上所述就是本文的全部内容了,希望大家能够喜欢。

PHP使用CURL实现多线程抓取网页

郑重声明:本网站发布的内容(图片、视频和文字)以及用户投稿、用户转载内容为主,如果涉及侵权请尽快告知,我们将会在第一时间删除。文章观点不代表本网站立场,如需处理请联系客服

发表评论

登录后才能评论