PHP模拟发送POST请求之五curl基本使用和多线程优化，之五curl

PHP模拟发送POST请求之五curl基本使用和多线程优化，之五curl

今天来介绍PHP模拟发送POST请求的重型武器——cURL函数库的使用和其多线程的优化方法。

说起cURL函数，可谓是老生常谈，但网上许多资料都在关键部分语焉不详，列出一大堆手册上的东西，搞得我入门时也万分痛苦，我翻了些资料，结合自己的笔记，总结了这篇博文，希望能给初次接触cURL的开发者提供一些帮助。

---

 

cURL的基本使用步骤

首先来介绍cURL:

cURL按照HTTP头信息来模拟浏览器传输数据，它支持FTP, FTPS, HTTP, HTTPS, DICT, FILE等协议，拥有HTTPS认证，HTTP POST方法，HTTP PUT方法，FTP上传，HTTP上传，代理服务器，cookies，用户名/密码认证等功能。cURL可谓是实现爬站抓取网页、POST数据等功能的利器。

使用cURL函数主要分为四部分：

1.初始化cURL。

2.设置cURL变量，这是cRUL的核心，扩展功能全靠这一步骤。

3.执行cURL,获取结果。

4.关闭连接，回收资源。

<span>$ch</span> = curl_init();<span>//</span><span>1</span>
<span>
curl_setopt(</span><span>$ch</span>, CURLOPT_URL, "http://localhost");<span>//</span><span>2</span>

<span>$output</span> = curl_exec(<span>$ch</span>);<span>//</span><span>3</span>
<span>
curl_close(</span><span>$ch</span>);<span>//</span><span>4</span>

另外，我们还可以使用curl_getinfo($ch)函数获取curl执行的信息，其结果为一个数组

$info数组的内容包括如下等内容：

• “url” //资源网络地址 
• “content_type” //内容编码 
• “http_code” //HTTP状态码  
• “filetime” //文件创建时间 
• “total_time” //总耗时 
• “size_upload” //上传数据的大小 
• “size_download” //下载数据的大小 
• “speed_download” //下载速度 
• “speed_upload” //上传速度 
• “download_content_length”//下载内容的长度 
• “upload_content_length” //上传内容的长度 

---

 

cURL的常用设置

下面详细介绍curl使用第二步时常用的变量设置，在使用curl函数时，可以按各种需求来设置。

设置基本信息：

curl_setopt($ch, CURLOPT_URL, $string);//设置curl的目录地址

curl_setopt($ch, CURLOPT_PORT, $port);//设置连接端口，一般不设置默认80

curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);//返回结果流，并不是输出它留待后续处理，一般会设置这一项，稍后处理抓取到的信息，而不是直接输出出来。

设置POST数据信息：

curl_setopt($ch, CURLOPT_POST, 1);//设置传送数据方式为POST

curl_setopt($ch, CURLOPT_POSTFIELDS, $string);//设置要传输的数据

设置验证信息：

curl_setopt($ch, CURLOPT_COOKIE, $string);//设置curl执行时所携带的Cookie信息

curl_setopt($ch, CURLOPT_USERAGENT, $string);//设置curl模拟的浏览器信息

curl_setopt($ch, CURLOPT_REFERER, $string);//设置header中的referer,有利于破解防盗链

curl_setopt($ch, CURLOPT_USERPWD, $string);//传递一个连接中需要的用户名和密码，格式为："[username]:[password]"

curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);//设置允许服务器重定向

设置强化信息：

curl_setopt($ch, CURLOPT_NOBODY, 1);//设置不允许输出HTML body体，如果在抓取页面标题等信息时设置此选项会大大加快速度

curl_setopt($ch, CURLOPT_TIMEOUT, $int);//设置允许执行的最长秒数（超时时间），设置数值小的时候，CURL会放弃执行时间长的页面

curl_setopt($ch, CURLOPT_HEADER, 1);//设置允许将读取目标时产生的header头文件包含在输出流中

---

 

cURL批处理功能的基本使用

当然cURL的功能并不止于此，在手册上你可以找到它更多的变量设置。而且cURL最强大的地方在其批处理功能。

cURL的批处理似乎也很好理解，以下是一般步骤：

1.$mh = curl_multi_init();//初始化一个批处理句柄。

2.curl_multi_add_handle($mh,$ch); //往批处理句柄中添加设置好的$ch句柄。

3.curl_multi_exec($mh,$running);//执行$mh句柄，并将$mh句柄的运行状态写入$running变量中

4.当$running为true时循环执行curl_multi_close()函数

5.循环结束后遍历$mh句柄，用curl_multi_getcontent()获取第一个句柄的返回值

6.用curl_multi_remove_handle()将$mh中的句柄移除

7.用curl_multi_close()关闭$mh批处理句柄。

代码如下：

 <?<span>php 

        </span><span>$chArr</span>=<span>[];

        </span><span>for</span>(<span>$i</span>=0;<span>$i</span><50;<span>$i</span>++<span>){

            　 </span><span>$chArr</span>[<span>$i</span>]=curl_init("http://www.baidu.com"<span>);

             　curl_setopt(</span><span>$chArr</span>[<span>$i</span>],CURLOPT_RETURNTRANSFER,1<span>);

        }

       </span><span>$mh</span> = curl_multi_init(); <span>//</span><span>1</span>

       <span>foreach</span>(<span>$chArr</span> <span>as</span> <span>$k</span> => <span>$ch</span><span>){      

       　　curl_multi_add_handle(</span><span>$mh</span>,<span>$ch</span>); <span>//</span><span>2</span>
<span>　　　　
　　　　}

       </span><span>$running</span> = <span>null</span><span>; 

       </span><span>do</span><span>{ 

         　　curl_multi_exec(</span><span>$mh</span>,<span>$running</span>); <span>//</span><span>3</span>
<span>
        }</span><span>while</span>(<span>$running</span> > 0); <span>//</span><span>4</span>

        <span>foreach</span>(<span>$chArr</span> <span>as</span> <span>$k</span> => <span>$ch</span><span>){ 

              </span><span>$result</span>[<span>$k</span>]= curl_multi_getcontent(<span>$ch</span>); <span>//</span><span>5</span>
<span>
              curl_multi_remove_handle(</span><span>$mh</span>,<span>$ch</span>);<span>//</span><span>6</span>
<span>
        }

        curl_multi_close(</span><span>$mh</span>); <span>//</span><span>7</span>

      ?>    

 

---

 

cURL批处理时内存占用过多的问题

但是，执行大批量的句柄时我们会发现一个很严重的问题，那就是执行时系统CPU占用率几乎100%，几乎是死机状态了。纠其原因，那是因为在$running>0,执行  curl_multi_exec($mh,$running)而整个批处理句柄没有全部执行完毕时，系统会不停地执行curl_multi_exec()函数。我们用实验来证明：

我们在循环中curl_multi_exec($mh,$running)句前加入一个echo "a";的语句。我们的目的是执行50次对百度的访问，然后来看一下结果。

 

从图中滚动条的大小(滚动条已经最小状态了)可以大概看出输出a的个数，500个也不止，所以我们便可以找到占用CPU的罪魁祸首了。

---

 

cURL批处理时的内存优化方案

进行改动的方式是应用curl函数库中的curl_multi_select()函数，其函数原型如下：  

<p>int curl_multi_select ( resource $mh [, float $timeout = 1.0 ] )</p>
<p>阻塞直到cURL批处理连接中有活动连接。成功时返回描述符集合中描述符的数量。失败时，select失败时返回-1，否则返回超时(从底层的select系统调用)。</p>

我用们curl_multi_select()函数来达到没有需要读取的程序就阻塞住的目的。

我们对批处理的第3、4步进行优化，利用其多线程，模拟并发程序。

很多朋友会对手册中提供的代码心存疑惑（我一开始也是），下面的代码及解释。

<span>$running</span> = <span>null</span><span>;

</span><span>do</span><span> {

    </span><span>$mrc</span> = curl_multi_exec(<span>$mh</span>, <span>$running</span><span>);

} </span><span>while</span> (<span>$mrc</span> ==<span> CURLM_CALL_MULTI_PERFORM);

</span><span>//</span><span>本次循环第一次处理$mh批处理中的$ch句柄，并将$mh批处理的执行状态写入$running,当状态值等于CURLM_CALL_MULTI_PERFORM时，表明数据还在写入或读取中，执行循环，当第一次$ch句柄的数据写入或读取成功后，状态值变为CURLM_OK，跳出本次循环，进入下面的大循环之中。

//$running为true，即$mh批处理之中还有$ch句柄正待处理，$mrc==CURLM_OK,即上一次$ch句柄的读取或写入已经执行完毕。</span>

<span>while</span> (<span>$running</span> && <span>$mrc</span> ==<span> CURLM_OK) { 

    </span><span>if</span> (curl_multi_select(<span>$mh</span>) != -1) {<span>//</span><span>$mh批处理中还有可执行的$ch句柄，curl_multi_select($mh) != -1程序退出阻塞状态。</span>

        <span>do</span> {                            <span>//</span><span>继续执行需要处理的$ch句柄。</span>

            　<span>$mrc</span> = curl_multi_exec(<span>$mh</span>, <span>$running</span><span>);

        } </span><span>while</span> (<span>$mrc</span> ==<span> CURLM_CALL_MULTI_PERFORM);

    }

}</span>

这样执行的好处是$mh批处理中的$ch句柄会在读取或写入数据结束后($mrc==CURLM_OK),进入curl_multi_select($mh)的阻塞阶段，而不会在整个$mh批处理执行时不停地执行curl_multi_exec,白白浪费CPU资源。

---

 

cURL批处理的内存优化结果

完整代码如下：

<?<span>php 

        </span><span>$chArr</span>=<span>[];

        </span><span>for</span>(<span>$i</span>=0;<span>$i</span><50;<span>$i</span>++<span>){

        </span><span>$chArr</span>[<span>$i</span>]=curl_init("http://www.baidu.com"<span>);

        curl_setopt(</span><span>$chArr</span>[<span>$i</span>],CURLOPT_RETURNTRANSFER,1<span>);

        }

       </span><span>$mh</span> =<span> curl_multi_init(); 

        </span><span>foreach</span>(<span>$chArr</span> <span>as</span> <span>$k</span> => <span>$ch</span><span>)      

        curl_multi_add_handle(</span><span>$mh</span>,<span>$ch</span><span>); <br />
        </span><span>$running</span> = <span>null</span><span>; 

        </span><span>do</span><span> {
<br /></span><span>　　　　　　　　$mrc</span> = curl_multi_exec(<span>$mh</span>, <span>$running</span><span>);

　　　　　} </span><span>while</span> (<span>$mrc</span> ==<span> CURLM_CALL_MULTI_PERFORM);


　　　　</span><span>while</span> (<span>$running</span> && <span>$mrc</span> ==<span> CURLM_OK) {

   　　　　 　</span><span>if</span> (curl_multi_select(<span>$mh</span>) != -1<span>) {

       　　　　　　</span><span>do</span><span> {

            　　　　　　</span><span>$mrc</span> = curl_multi_exec(<span>$mh</span>, <span>$running</span><span>);

        　　　　　} </span><span>while</span> (<span>$mrc</span> ==<span> CURLM_CALL_MULTI_PERFORM);

    　　　　　}

　　　　}

       </span><span>foreach</span>(<span>$chArr</span> <span>as</span> <span>$k</span> => <span>$ch</span><span>){ 

               </span><span>$result</span>[<span>$k</span>]= curl_multi_getcontent(<span>$ch</span><span>); 

               curl_multi_remove_handle(</span><span>$mh</span>,<span>$ch</span><span>);

       }

        curl_multi_close(</span><span>$mh</span><span>); 

      </span>?>

我们再次在 $mrc = curl_multi_exec($mh, $running)句子前加入echo "a";结果如下图：

虽然也不止50次，但是比之未优化前，CPU使用率已经大为改观。

虽然curl函数非常强大，但是我们还是有使用其他函数来发送POST请求的机会，另外也能从更底层了解curl函数，所以本辑也用大很大篇幅在其他函数上。

OK，本辑结束，写这辑博文的同时，我也学习到了很多。如果您觉得本博文对您有帮助，请您点推荐或关注我，我们继续分享我的笔记总结。如果有什么问题，您可以在下方留言讨论，谢谢阅读。