时时商务社区

标题: PHP使用CURL实现多线程抓取网页 [打印本页]

作者: bewin83 时间: 2018-2-14 05:46

         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
$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
$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。


您可能感兴趣的文章:

PHP中使用CURL伪造来路抓取页面或文件

php下通过curl抓取yahoo boss 搜索结果的实现代码

PHP CURL模拟登录新浪微博抓取页面内容基于EaglePHP框架开发

使用PHP curl模拟浏览器抓取网站信息

php使用curl抓取qq空间的访客信息示例

php使用curl和正则表达式抓取网页数据示例

php利用curl抓取新浪微博内容示例

PHP curl实现抓取302跳转后页面的示例

使用php方法curl抓取AJAX异步内容思路分析及代码分享

PHP curl 抓取AJAX异步内容示例

php curl抓取网页的介绍和推广及使用CURL抓取淘宝页面集成方法

php通过curl添加cookie伪造登陆抓取数据的方法

php使用curl代理实现抓取数据的方法

欢迎光临时时商务社区 (http://bbs.4435.cn/)