欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

PHP 利用Curl实现多线程抓取网页和下载文件

程序员文章站 2024-01-25 10:55:40
...

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。

 

1、实现抓取多个URL并将内容写入指定的文件

<?php 
$urls = array(
	'http://test.onestopweb.cn/demo1.php',
	'http://test.onestopweb.cn/demo2.php',
	'http://test.onestopweb.cn/demo3.php'
); // 设置要抓取的页面URL
$save_to='test1.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); // 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);
?>

效果图:
PHP 利用Curl实现多线程抓取网页和下载文件
            
    
    博客分类: 境-PHP2 Curl实现多线程抓取网页Curl实现多线程下载文件Cur 
 

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

<?php
$urls = array(
	'http://test.onestopweb.cn/demo1.php',
	'http://test.onestopweb.cn/demo2.php',
	'http://test.onestopweb.cn/demo3.php'
);
$save_to='test2.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[$i],CURLOPT_RETURNTRANSFER,true); // 不将爬取代码写到浏览器,而是转化为字符串
	curl_multi_add_handle ($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,$data); // 将字符串写入文件
} // 获得数据变量,并写入文件
foreach ($urls as $i => $url) {
	curl_multi_remove_handle($mh,$conn[$i]);
	curl_close($conn[$i]);
}
curl_multi_close($mh);
fclose($st);
?>

 效果图:
PHP 利用Curl实现多线程抓取网页和下载文件
            
    
    博客分类: 境-PHP2 Curl实现多线程抓取网页Curl实现多线程下载文件Cur 
 

3、利用 PHP 的 Curl 实现并发多线程下载文件

<?php
$urls=array(
	'http://test.onestopweb.cn/data.zip',
	'http://test.onestopweb.cn/data2.zip',
	'http://test.onestopweb.cn/data3.zip'
);
$save_to='zip/';
$mh=curl_multi_init();
foreach($urls as $i=>$url){
	$g=$save_to.basename($url);
	if(!is_file($g)){
		$conn[$i]=curl_init($url);
		$fp[$i]=fopen($g,"w");
		curl_setopt($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(compatible; MSIE 7.0; Windows NT 6.0)");
		curl_setopt($conn[$i],CURLOPT_FILE,$fp[$i]);
		curl_setopt($conn[$i],CURLOPT_HEADER ,0);
		curl_setopt($conn[$i],CURLOPT_CONNECTTIMEOUT,60);
		curl_multi_add_handle($mh,$conn[$i]);
	}
}
do{
	$n=curl_multi_exec($mh,$active);
}while($active);
foreach($urls as $i=>$url){
	curl_multi_remove_handle($mh,$conn[$i]);
	curl_close($conn[$i]);
	fclose($fp[$i]);
}
curl_multi_close($mh);
?>

 效果图:
PHP 利用Curl实现多线程抓取网页和下载文件
            
    
    博客分类: 境-PHP2 Curl实现多线程抓取网页Curl实现多线程下载文件Cur 
 

 

 

 

 

 

  • PHP 利用Curl实现多线程抓取网页和下载文件
            
    
    博客分类: 境-PHP2 Curl实现多线程抓取网页Curl实现多线程下载文件Cur 
  • 大小: 18.9 KB
  • PHP 利用Curl实现多线程抓取网页和下载文件
            
    
    博客分类: 境-PHP2 Curl实现多线程抓取网页Curl实现多线程下载文件Cur 
  • 大小: 18.8 KB
  • PHP 利用Curl实现多线程抓取网页和下载文件
            
    
    博客分类: 境-PHP2 Curl实现多线程抓取网页Curl实现多线程下载文件Cur 
  • 大小: 12.7 KB