PHP利用Curl实现多线程抓取网页和下载文件

PHP 利用 Curl  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，然而因为php语言本身不支持多线程，所以开发爬虫程序效率并不高，一般采集 数据可以利用 PHPquery类来采集数据库，在此之外也可以用 Curl ，借助Curl 这个功能实现并发多线程的访问多个url地址以实现并发多线程抓取网页或者下载文件.

至于具体实现过程，请参考下面几个例子：

1、实现抓取多个URL并将内容写入指定的文件

1. $urls = array(
2. ‘路径地址‘,
3. ‘路径地址‘,
4. ‘路径地址‘
5. ); // 设置要抓取的页面URL
6. $save_to=‘/test.txt‘; // 把抓取的代码写入该文件
7. $st = fopen($save_to,"a");
8. $mh = curl_multi_init();
9. foreach ($urls as $i => $url) {
10. $conn[$i] = curl_init($url);
11. curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");
12. curl_setopt($conn[$i], CURLOPT_HEADER ,0);
13. curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);
14. curl_setopt($conn[$i], CURLOPT_FILE,$st); // 将爬取的代码写入文件
15. curl_multi_add_handle ($mh,$conn[$i]);
16. } // 初始化
17. do {
18. curl_multi_exec($mh,$active);
19. } while ($active); // 执行
20. foreach ($urls as $i => $url) {
21. curl_multi_remove_handle($mh,$conn[$i]);
22. curl_close($conn[$i]);
23. } // 结束清理
24. curl_multi_close($mh);
25. fclose($st);

复制

2、利用 PHP 的 Curl  实现抓取网页URL并保存内容

下面这段代码和上面差不多意思，只不过这个地方是将获得的代码先放入变量，然后再将获取到的内容写入指定的文件

1. $urls = array(
2. ‘路径地址‘,
3. ‘路径地址‘,
4. ‘路径地址‘
5. );
6. $save_to=‘/test.txt‘; // 把抓取的代码写入该文件
7. $st = fopen($save_to,"a");
8. $mh = curl_multi_init();
9. foreach ($urls as $i => $url) {
10. $conn[$i] = curl_init($url);
11. curl_setopt($conn[$i], CURLOPT_USERAGENT, "Mozilla/4.0 (compatible; MSIE 7.0; Windows NT 6.0)");
12. curl_setopt($conn[$i], CURLOPT_HEADER ,0);
13. curl_setopt($conn[$i], CURLOPT_CONNECTTIMEOUT,60);
14. curl_setopt($conn[$i],CURLOPT_RETURNTRANSFER,true); // 不将爬取代码写到浏览器，而是转化为字符串
15. curl_multi_add_handle ($mh,$conn[$i]);
16. }
17. do {
18. curl_multi_exec($mh,$active);
19. } while ($active);
20. foreach ($urls as $i => $url) {
21. $data = curl_multi_getcontent($conn[$i]); // 获得爬取的代码字符串
22. fwrite($st,$data); // 将字符串写入文件
23. } // 获得数据变量，并写入文件
24. foreach ($urls as $i => $url) {
25. curl_multi_remove_handle($mh,$conn[$i]);
26. curl_close($conn[$i]);
27. }
28. curl_multi_close($mh);
29. fclose($st);

复制

3、利用 PHP 的 Curl  实现并发多线程下载文件

1. $urls=array(
2. ‘路径地址5w.zip‘,
3. ‘路径地址5w.zip‘,
4. ‘路径地址5w.zip‘
5. );
6. $save_to=‘./home/‘;
7. $mh=curl_multi_init();
8. foreach($urls as $i=>$url){
9. $g=$save_to.basename($url);
10. if(!is_file($g)){
11. $conn[$i]=curl_init($url);
12. $fp[$i]=fopen($g,"w");
13. curl_setopt($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(compatible; MSIE 7.0; Windows NT 6.0)");
14. curl_setopt($conn[$i],CURLOPT_FILE,$fp[$i]);
15. curl_setopt($conn[$i],CURLOPT_HEADER ,0);
16. curl_setopt($conn[$i],CURLOPT_CONNECTTIMEOUT,60);
17. curl_multi_add_handle($mh,$conn[$i]);
18. }
19. }
20. do{
21. $n=curl_multi_exec($mh,$active);
22. }while($active);
23. foreach($urls as $i=>$url){
24. curl_multi_remove_handle($mh,$conn[$i]);
25. curl_close($conn[$i]);
26. fclose($fp[$i]);
27. }
28. curl_multi_close($mh);$urls=array(
29. ‘路径地址5w.zip‘,
30. ‘路径地址5w.zip‘,
31. ‘路径地址5w.zip‘
32. );
33. $save_to=‘./home/‘;
34. $mh=curl_multi_init();
35. foreach($urls as $i=>$url){
36. $g=$save_to.basename($url);
37. if(!is_file($g)){
38. $conn[$i]=curl_init($url);
39. $fp[$i]=fopen($g,"w");
40. curl_setopt($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(compatible; MSIE 7.0; Windows NT 6.0)");
41. curl_setopt($conn[$i],CURLOPT_FILE,$fp[$i]);
42. curl_setopt($conn[$i],CURLOPT_HEADER ,0);
43. curl_setopt($conn[$i],CURLOPT_CONNECTTIMEOUT,60);
44. curl_multi_add_handle($mh,$conn[$i]);
45. }
46. }
47. do{
48. $n=curl_multi_exec($mh,$active);
49. }while($active);
50. foreach($urls as $i=>$url){
51. curl_multi_remove_handle($mh,$conn[$i]);
52. curl_close($conn[$i]);
53. fclose($fp[$i]);
54. }
55. curl_multi_close($mh);

复制