服务器之家

服务器之家 > 正文

PHP使用CURL实现多线程抓取网页

时间:2020-09-22 12:52     来源/作者:PHP教程网

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
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
<?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

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
<?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。

标签:

相关文章

热门资讯

2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全
2020微信伤感网名听哭了 让对方看到心疼的伤感网名大全 2019-12-26
Intellij idea2020永久破解,亲测可用!!!
Intellij idea2020永久破解,亲测可用!!! 2020-07-29
歪歪漫画vip账号共享2020_yy漫画免费账号密码共享
歪歪漫画vip账号共享2020_yy漫画免费账号密码共享 2020-04-07
电视剧《琉璃》全集在线观看 琉璃美人煞1-59集免费观看地址
电视剧《琉璃》全集在线观看 琉璃美人煞1-59集免费观看地址 2020-08-12
最新idea2020注册码永久激活(激活到2100年)
最新idea2020注册码永久激活(激活到2100年) 2020-07-29
返回顶部