【PHP 使用 CURL 同步抓取多個網頁…

转自 同上

【PHP 使用 CURL 同步抓取多個網頁】

来源：http://plog.longwin.com.tw/programming/2009/10/07/php-multi-thread-curl-2009

一般 CURL 抓網頁的方法, 是一頁一頁抓, 假設要抓 4頁, 所費時間各別是 5,10,7,5 秒, 那全部總合所花的時間就是 5
+ 10 + 7 + 5 = 27 秒.

若能同時間去抓取多個網頁, 所花費的時間 5,10,7,5 秒, 全部總合所花的時間是 10 秒.(花費最多時間的秒數)

於 JavaScript 可使用 AJAX 的 async(YAHOO.util.Connect.asyncRequest)
來達成, 於 PHP 可以用 CURL 來達成此 Multi-Threading 的效果.

官方文件: PHP: curl_multi_init

程式(async.php)

<?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 放進 multi curl
handler 裡

$handle[$i++] = $ch;

}

do {

curl_multi_exec($mh, $running);

if ($wait_usec > 0)

usleep($wait_usec); // 250000 = 0.25 sec

} while
($running > 0);

foreach($handle as $i => $ch) {

$content = curl_multi_getcontent($ch);

$data[$i] = (curl_errno($ch) == 0) ? $content : false;

}

foreach($handle as $ch) {

curl_multi_remove_handle($mh, $ch);

}

curl_multi_close($mh);

return
$data;

}

?>

使用

<?php

$urls = array('http://example1.com', 'http://example2.com');

print_r(async_get_url($urls)); // [0] => example1,
[1] => example2

?>

測試

sleep.php # 看時間延長取得的效果

<?php

sleep(intval($_GET['time']));

echo intval($_GET['time']);

?>

<?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));

// 總花費時間會是 10 秒, 並印出 [0] => 5, [1] =>
10, [2] => 7, [3] => 5