一般CURL 抓网页的方法, 是一页一页抓, 假设要抓 4页, 所费时间各别是 5,10,7,5 秒, 那全部总合所花的时间就是 5 + 10 + 7 + 5 = 27 秒。若能同时间去抓取多个网页, 所花费的时间 5,10,7,5 秒, 全部总合所花的时间是 10 秒。(花费最多时间的秒数)于JavaScript 可使用 AJAX 的 async(YAHOO.util.Connect.asyncRequest)来达成, 于 PHP 可以用 CURL 来达成此 Multi-Threading 的效果。程序(async.php) 以下为引用的内容:
<?php function async_get_url($url_array, $wait_usec = 0) { if (!is_array($url_array)) return false;
$wait_usec = intval($wait_usec);
$data = array(); $handle = array(); $running = 0;
$mh = curl_multi_init(); // multi curl handler
$i = 0; foreach($url_array as $url) { $ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); // return don''t print curl_setopt($ch, CURLOPT_TIMEOUT, 30); curl_setopt($ch, CURLOPT_USERAGENT, ''Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)''); curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1); // 302 redirect curl_setopt($ch, CURLOPT_MAXREDIRS, 7);
curl_multi_add_handle($mh, $ch); // 把 curl resource 放进 multi curl handler 里
$handle[$i++] = $ch; }
/* 执行 */ do { curl_multi_exec($mh, $running);
if ($wait_usec > 0) /* 每个 connect 要间隔多久 */ usleep($wait_usec); // 250000 = 0.25 sec } while ($running > 0);
/* 读取资料 */ foreach($handle as $i => $ch) { $content = curl_multi_getcontent($ch); $data[$i] = (curl_errno($ch) == 0) ? $content : false; }
/* 移除 handle*/ foreach($handle as $ch) { curl_multi_remove_handle($mh, $ch); }
curl_multi_close($mh);
return $data; } ?>
| 使用 以下为引用的内容: <?php $urls = array(''http://example1.com'', ''http://example2.com''); print_r(async_get_url($urls)); // [0] => example1, [1] => example2 ?> | 测试 sleep.php # 看时间延长取得的效果 以下为引用的内容: <?php sleep(intval(
解读PHP如何使用 CURL 同步抓取多个网页-PHP编程教_网学
解读PHP如何使用 CURL 同步抓取多个网页-PHP编程教
浏览:
GET[''time''])); echo intval(
解读PHP如何使用 CURL 同步抓取多个网页-PHP编程教_网学
解读PHP如何使用 CURL 同步抓取多个网页-PHP编程教
浏览:
GET[''time'']); ?> | 以下为引用的内容: <?php $url_array = array( ''http://example.com/sleep.php?time=5'', ''http://example.com/sleep.php?time=10'', ''http://example.com/sleep.php?time=7'', ''http://example.com/sleep.php?time=5'', ); print_r(async_get_url($url_array)); // 总花费时间会是 10 秒, 并印出 [0] => 5, [1] => 10, [2] => 7, [3] => 5 ?> | (责任编辑:admin) |