PHP は CURL を使用して複数の Web ページを同時にクロールします。

一般に、CURL が Web ページをクロールする方法では、4 ページをクロールすると、合計で 5、10、7、5 秒かかります。費やした時間 時間は 5 + 10 + 7 + 5 = 27 秒です。複数の Web ページを同時にクロールできる場合、所要時間は 5、10、7、5 秒となり、合計所要時間は 10 秒になります。 (最も時間がかかった秒数)

JavaScript の場合、AJAX の非同期 (YAHOO.util.Connect.asyncRequest) を使用してこれを実現でき、PHP の場合、CURL を使用してこのマルチスレッド効果を実現できます。

プログラム (async.php)

以下为引用的内容：

<font face="NSimsun"><?php<br/> function async_get_url($url_array, $wait_usec = 0)<br/> {<br/> if (!is_array($url_array))<br/> return false;<br/> <br/> $wait_usec = intval($wait_usec);<br/> <br/> $data = array();<br/> $handle = array();<br/> $running = 0;<br/> <br/> $mh = curl_multi_init(); // multi curl handler<br/> <br/> $i = 0;<br/> foreach($url_array as $url) {<br/> $ch = curl_init();<br/> <br/> curl_setopt($ch, CURLOPT_URL, $url);<br/> curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); // return don't print<br/> curl_setopt($ch, CURLOPT_TIMEOUT, 30);<br/> curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/4.0 (compatible; MSIE 5.01; Windows NT 5.0)');<br/> curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1); // 302 redirect<br/> curl_setopt($ch, CURLOPT_MAXREDIRS, 7);<br/> <br/> curl_multi_add_handle($mh, $ch); // 把 curl resource 放进 multi curl handler 里<br/> <br/> $handle[$i++] = $ch;<br/> }<br/> <br/> /* 执行 */<br/> do {<br/> curl_multi_exec($mh, $running);<br/> <br/> if ($wait_usec > 0) /* 每个 connect 要间隔多久 */<br>             usleep($wait_usec); // 250000 = 0.25 sec<br>     } while ($running > 0);<br> <br>     /* 读取资料 */<br>     foreach($handle as $i => $ch) {<br>         $content  = curl_multi_getcontent($ch);<br>         $data[$i] = (curl_errno($ch) == 0) ? $content : false;<br>     }<br> <br>     /* 移除 handle*/<br>     foreach($handle as $ch) {<br>         curl_multi_remove_handle($mh, $ch);<br>     }<br> <br>     curl_multi_close($mh);<br> <br>     return $data;<br> }<br> ?> </font>

を使用する

以下为引用的内容：
$urls = array('http://example1.com', 'http://example2.com');
print_r(async_get_url($urls)); // [0] => example1, [1] => example2
?>

テスト

sleep.php # 時間延長の効果を確認する

以下为引用的内容：
sleep(intval($_GET['time']));
echo intval($_GET['time']);
?>

以下为引用的内容：
$url_array = array(
'http://example.com/sleep.php?time=5',
'http://example.com/sleep.php?time=10',
'http://example.com/sleep.php?time=7',
'http://example.com/sleep.php?time=5',
);
print_r(async_get_url($url_array));
// 总花费时间会是 10 秒, 并印出 [0] => 5, [1] => 10, [2] => 7, [3] => 5
?>