PHP多线程抓取网页的代码

PHP多线程抓取网页的代码

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，下面给出代码：

　　代码1:将获得的代码直接写入某个文件

　　

　　$urls = array（

　　'http://www.sina.com.cn/',

　　'http://www.sohu.com/',

　　）； // 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

　　

　　$urls = array（

　　'http://www.sina.com.cn/',

　　'http://www.sohu.com/',

　　）；

　　$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_multi_remove_handle（$mh,$conn[$i]）；

　　curl_close（$conn[$i]）；

　　}

　　curl_multi_close（$mh）；

　　fclose（$st）；

　　?>