PHP实现多线程抓取网页.docxVIP

PHP实现多线程抓取网页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123456789101112131415161718192021222324252627282930313233?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12345678910111213141516171819202122232425262728293031323334353637?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_mul