php curl多线程抓取网页

时间:2023-07-30 08:50:32

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(  
); // 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(  
);  
   
$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); 
?>

注:转自http://www.cnblogs.com/jyginger/archive/2010/07/20/1781516.html

通过curl节省网络传输时间,实现网络爬虫操作。