搜索

首页  >  文章  >  后端开发  >  多线程的cURL

多线程的cURL

WBOY
WBOY原创
2016-07-25 08:49:34976浏览
本处是一个可以灵活的多线程的调用 cURL的。
这里跟php手册 http://us2.php.net/manual/zh/function.curl-multi-select.php 中提供的样例不同，代码执行效率要高不少
本处两个文件，一个是muti_curl的文件，里面包含两个class
一个是运用的方法，这里是批量检查代理ip是否可用
  2. class request_setting {
  3. public $url = false;
  4. public $method = 'GET';
  5. public $post_data = null;
  6. public $headers = null;
  7. public $options = null;
  8. function __construct($url, $method = "GET", $post_data = null, $headers = null, $options = null) {
  9. $this->url = $url;
  10. $this->method = $method;
  11. $this->post_data = $post_data;
  12. $this->headers = $headers;
  13. $this->options = $options;
  14. }
  15. public function __destruct() {
  16. unset($this->url, $this->method, $this->post_data, $this->headers, $this->options);
  17. }
  18. }
  19. /***********************************************************************************************
  20. 批量操作的类
  21. *******************************************************************************************/
  22. class muti_curl {
  23. protected $thread_size = 100;
  24. protected $timeout = 30;
  25. private $callback;
  26. protected $options = array(
  27. CURLOPT_SSL_VERIFYPEER => false,//禁用后cURL将终止从服务端进行验证。使用CURLOPT_CAINFO选项设置证书使用CURLOPT_CAPATH选项设置证书目录 如果CURLOPT_SSL_VERIFYPEER(默认值为2)被启用，CURLOPT_SSL_VERIFYHOST需要被设置成TRUE否则设置为FALSE。 自cURL 7.10开始默认为TRUE。从cURL 7.10开始默认绑定安装。
  28. CURLOPT_RETURNTRANSFER => true, //将 curl_exec()获取的信息以文件流的形式返回，而不是直接输
  29. CURLOPT_CONNECTTIMEOUT => 15,
  30. CURLOPT_TIMEOUT => 30,
  31. // CURLOPT_HTTP_VERSION=>CURL_HTTP_VERSION_1_0, //使用代理的时候用这个去抓取数据，更爽
  32. // CURLOPT_AUTOREFERER=>false,// 当根据Location:重定向时，自动设置header中的Referer:信息。
  33. // CURLOPT_BINARYTRANSFER=>false, //在启用CURLOPT_RETURNTRANSFER的时候，返回原生的（Raw）输出这个不用设置。
  34. // CURLOPT_COOKIESESSION=>true,// 启用时curl会仅仅传递一个session cookie，忽略其他的cookie，默认状况下cURL会将所有的cookie返回
  35. // CURLOPT_CRLF=>false,// 启用时将Unix的换行符转换成回车换行符。
  36. // CURLOPT_DNS_USE_GLOBAL_CACHE=>false, // 启用时会启用一个全局的DNS缓存，此项为线程安全的，并且默认启用。
  37. // CURLOPT_FAILONERROR=>false, // 显示HTTP状态码，默认行为是忽略编号小于等于400的HTTP信息。
  38. // CURLOPT_FILETIME=>true, //启用时会尝试修改远程文档中的信息。结果信息会通过 curl_getinfo()函数的CURLINFO_FILETIME选项返回。 curl_getinfo().
  39. // CURLOPT_FOLLOWLOCATION=>false, // 启用时会将服务器服务器返回的"Location: "放在header中递归的返回给服务器，使用CURLOPT_MAXREDIRS可以限定递归返回的数量。
  40. // CURLOPT_FORBID_REUSE=>true, //在完成交互以后强迫断开连接，不能重用。
  41. // CURLOPT_FRESH_CONNECT=>true,// 强制获取一个新的连接，替代缓存中的连接。
  42. // CURLOPT_FTP_USE_EPRT=>false,// 启用时当FTP下载时，使用EPRT (或 LPRT)命令。设置为FALSE时禁用EPRT和LPRT，使用PORT命令 only.
  43. // CURLOPT_FTP_USE_EPSV=>false,// 启用时，在FTP传输过程中回复到PASV模式前首先尝试EPSV命令。设置为FALSE时禁用EPSV命令。
  44. // CURLOPT_FTPAPPEND=>false,// 启用时追加写入文件而不是覆盖它。
  45. // CURLOPT_FTPASCII=>false,// CURLOPT_TRANSFERTEXT的别名。
  46. // CURLOPT_FTPLISTONLY=>false,// 启用时只列出FTP目录的名字。
  47. // CURLOPT_HEADER=>true,// 启用时会将头文件的信息作为数据流输出。
  48. // CURLINFO_HEADER_OUT=>false, //启用时追踪句柄的请求字符串。
  49. // CURLOPT_HTTPGET=>true,// 启用时会设置HTTP的method为GET，因为GET是默认是，所以只在被修改的情况下使用。
  50. // CURLOPT_HTTPPROXYTUNNEL =>true,// 启用时会通过HTTP代理来传输。
  51. // CURLOPT_MUTE=>true,// 启用时将cURL函数中所有修改过的参数恢复默认值。
  52. // CURLOPT_NETRC=>false,// 在连接建立以后，访问~/.netrc文件获取用户名和密码信息连接远程站点。
  53. // CURLOPT_NOBODY=>true, 启用时将不对HTML中的BODY部分进行输出。
  54. // CURLOPT_NOPROGRESS=>false,//启用时关闭curl传输的进度条，此项的默认设置为启用。
  55. // CURLOPT_NOSIGNAL=>false,// 启用时忽略所有的curl传递给php进行的信号。在SAPI多线程传输时此项被默认启用。 cURL 7.10时被加入。
  56. // CURLOPT_POST=>false,// 启用时会发送一个常规的POST请求，类型为：application/x-www-form-urlencoded，就像表单提交的一样。
  57. // CURLOPT_PUT=>false,// 启用时允许HTTP发送文件，必须同时设置CURLOPT_INFILE和CURLOPT_INFILESIZE。
  58. // CURLOPT_TRANSFERTEXT=>false,// 启用后对FTP传输使用ASCII模式。对于LDAP，它检索纯文本信息而非HTML。在Windows系统上，系统不会把STDOUT设置成binary模式。
  59. // CURLOPT_UNRESTRICTED_AUTH=>true,// 在使用CURLOPT_FOLLOWLOCATION产生的header中的多个locations中持续追加用户名和密码信息，即使域名已发生改变。
  60. // CURLOPT_UPLOAD=>false,// 启用后允许文件上传。
  61. // CURLOPT_VERBOSE =>true,// 启用时会汇报所有的信息，存放在STDERR或指定的CURLOPT_STDERR中。
  62. );
  63. private $headers = array();
  64. private $requests = array();
  65. private $requestMap = array();
  66. /*********************
  67. 构造一个callback的函数
  68. ********************/
  69. function __construct($callback = null) {
  70. $this->callback = $callback;
  71. }
  73. /********************************************************************
  74. 重载 __get的方法
  75. *******************************************************************/
  76. public function __get($name) {
  77. return (isset($this->{$name})) ? $this->{$name} : null;
  78. }
  80. /*********************************************************************
  81. 重载 __set的方法
  82. *******************************************************/
  83. public function __set($name, $value) {
  84. // 增加一个设置到headers
  85. if ($name == "options" || $name == "headers") {
  86. $this->{$name} = $value + $this->{$name};
  87. } else {
  88. $this->{$name} = $value;
  89. }
  90. return true;
  91. }
  92. //增加一个请求
  93. public function add($request) {
  94. $this->requests[] = $request;
  95. return true;
  96. }
  99. public function request($url, $method = "GET", $post_data = null, $headers = null, $options = null) {
  100. $this->requests[] = new request_setting($url, $method, $post_data, $headers, $options);
  101. return true;
  102. }
  104. public function get($url, $headers = null, $options = null) {
  105. return $this->request($url, "GET", null, $headers, $options);
  106. }
  108. public function post($url, $post_data = null, $headers = null, $options = null) {
  109. return $this->request($url, "POST", $post_data, $headers, $options);
  110. }
  112. private function single_curl() {
  113. $ch = curl_init(); //初始化
  114. $request = array_shift($this->requests);//把第一个单元移出并作为结果
  115. $options = $this->get_options($request);//获得该单元的设置
  116. curl_setopt_array($ch, $options);//批设置
  117. $output = curl_exec($ch);
  118. $curl_info = curl_getinfo($ch);
  120. if ($this->callback) {
  121. $callback = $this->callback;
  122. if (is_callable($this->callback)) {
  123. call_user_func($callback, $output, $curl_info, $request);
  124. }
  125. }
  126. else
  127. return $output;
  128. return true;
  129. }
  132. private function rolling_curl($thread_size = null) {
  133. if ($thread_size){
  134. $this->thread_size = $thread_size;
  135. }
  137. if (count($this->requests) thread_size){
  138. $this->thread_size = count($this->requests);
  139. }
  140. if ($this->thread_size $errorinfo = '线程大小必须大于 1!!!!';
  141. throw new Exception($errorinfo);
  142. }
  143. $queue = curl_multi_init();
  145. //在线程里开始增加任务队列
  146. for ($i = 0; $i thread_size; $i++) {
  147. $ch = curl_init();
  148. $options = $this->get_options($this->requests[$i]);
  149. curl_setopt_array($ch, $options);//获得设置
  150. curl_multi_add_handle($queue, $ch);//添加进去
  151. $key = (string) $ch;
  152. $this->requestMap[$key] = $i;
  153. }
  154. do {
  155. while (($statu_run_muti_exec = curl_multi_exec($queue, $active)) == CURLM_CALL_MULTI_PERFORM) ;
  156. if ($statu_run_muti_exec != CURLM_OK){ break; }
  157. // 发现完成的一个请求，进行处理
  158. while ($done = curl_multi_info_read($queue)) {
  159. $curl_info = curl_getinfo($done['handle']);
  160. $output = curl_multi_getcontent($done['handle']);
  161. $callback = $this->callback;
  162. if (is_callable($callback)){
  163. $key = (string) $done['handle'];
  164. $request = $this->requests[$this->requestMap[$key]];
  165. unset($this->requestMap[$key]);//这个销毁变量用得很帅
  166. call_user_func($callback, $output, $curl_info, $request);
  167. }
  168. //增加一个未处理的请求加入到一个已经完成的队列中
  169. if ($i requests) && isset($this->requests[$i]) && $i requests)) {
  170. $ch = curl_init();
  171. $options = $this->get_options($this->requests[$i]);
  172. curl_setopt_array($ch, $options);
  173. curl_multi_add_handle($queue, $ch);
  174. $key = (string) $ch;
  175. $this->requestMap[$key] = $i;
  176. $i++;
  177. }
  178. curl_multi_remove_handle($queue, $done['handle']);
  179. echo "done ";
  180. print_r($queue);
  181. print_r ($done);
  182. }
  183. // 这一步非常非常重要如果有一个完成后，要重新设置设置timeout的时间
  184. //这里很关键的一点，就是要保证第一次所有的线程里的请求最少有一个是有效的，否则就出现第一次所有的都没有效果，导致 $active=0,因此不执行下面的东西
  185. if ($active >0){
  186. curl_multi_select($queue, $this->timeout);
  187. }
  189. } while ($active);
  190. curl_multi_close($queue);
  191. return true;
  192. }
  193. public function execute($thread_size = null) {
  194. //判断thread_size的大小如果只有一个请求，就用单线程模式
  195. if (count($this->requests) == 1) {
  196. return $this->single_curl();
  197. } else {
  198. return $this->rolling_curl($thread_size);
  199. }
  200. }
  201. private function get_options($request) {
  202. $options = $this->__get('options');
  203. if (ini_get('safe_mode') == 'Off' || !ini_get('safe_mode')) {
  204. // $options[CURLOPT_FOLLOWLOCATION] = 1;
  205. // $options[CURLOPT_MAXREDIRS] = 5;
  206. }
  207. $headers = $this->__get('headers');
  209. if ($request->options) {
  210. $options = $request->options + $options;
  211. }
  212. $options[CURLOPT_URL] = $request->url;
  213. //下面分别对post选项与header选项进行设置
  214. if ($request->post_data){
  215. $options[CURLOPT_POST] = 1;
  216. $options[CURLOPT_POSTFIELDS] = $request->post_data;
  217. }
  218. if ($headers) {
  219. $options[CURLOPT_HEADER] = 0;
  220. $options[CURLOPT_HTTPHEADER] = $headers;
  221. }
  222. return $options;
  223. }
  225. public function __destruct() {
  226. unset($this->thread_size, $this->callback, $this->options, $this->headers, $this->requests);
  227. }
  228. }
  229. ?>
复制代码
  1. header("content-type:text/html; charset=utf-8");
  2. require("muti_curl_class.php");
  3. set_time_limit(0);
  4. $sucesesnum=0;
  5. $good_proxy=array();
  6. function request_callback($response, $info, $request) {
  7. global $sucesesnum,$good_proxy;
  8. // 下面的正则可以对返回的结果进行选择性显示
  9. /* if (preg_match("~(.*?)~i", $response, $out)) {
  10. $title = $out[1];
  11. }*/
  12. // echo '
    '.$response .'
    ';
  13. echo '
    ';
  14. //对响应也就是 $response 进行检测判断里面是否有设定的字符，如果有判断运用该代理成功
  15. if( $response !== false && substr_count($response, 'User-agent: Baiduspider') >=1 ) {
  16. // $result = true;
  17. echo "true
    ";
  18. // echo $request[options][10004];
  19. // print_r ($request->options);
  20. echo $request->options[CURLOPT_PROXY];
  21. $good_proxy[]=$request->options[CURLOPT_PROXY];
  22. }
  23. echo '
    the-->'. $sucesesnum.'// print_r ($request);
  24. //echo $request->url;
  25. $sucesesnum++;
  26. echo "
    ";
  27. }
  28. $params = array_merge($_GET, $_POST); //此处获得传递过来的代理ip的地址
  29. $result = $proxy_ip = trim($params['ip']);
  30. $timeout=intval(trim($params['timeout']));
  31. if($timeoutif($timeout>300){$timeout=300;}
  32. $thread_size=intval(trim($params['thread_size']));
  33. if($thread_sizeif($thread_size>300){$thread_size =300;}
  35. if($proxy_ip == '') {
  36. echo '请输入IP!!';
  37. return;
  38. }
  39. $replace_arr1 = array(' ', 'qq代理：', 'dn28.com', 'qqip', 'qq代理', 'qq代理ip', '代理ip：', 'ip：', '代理ip','"',"'",'\\','/',' ');
  40. $result = str_replace($replace_arr1, array(''), $result);
  41. $result = str_replace(",", "\n", $result);
  42. $resArr = explode("\n", $result);
  43. foreach($resArr as $k => $v) {
  44. $posProxy = getPos($v, '@');
  45. if($posProxy===false){
  46. if (!empty($v)){$proxyip_and_port = $v; }
  47. }else{
  48. $proxyip_and_port = substr($v, 0, $posProxy);
  49. }
  50. $newRes[] =trim($proxyip_and_port);
  51. }
  52. print_r($newRes);
  53. //die();
  54. $option_setting = array(
  55. CURLOPT_SSL_VERIFYPEER => 0,
  56. CURLOPT_RETURNTRANSFER => true,
  57. CURLOPT_CONNECTTIMEOUT => 5,
  58. CURLOPT_TIMEOUT => 30,
  59. CURLOPT_HEADER=>false,
  60. CURLOPT_PROXY=>'',//这个地方设置代理的位置
  61. );
  62. $url= 'http://www.baidu.com/robots.txt';
  63. $btime=time();
  64. $rc = new muti_curl("request_callback");
  65. $rc->timeout = $timeout;
  66. $rc->thread_size = $thread_size;
  67. foreach ($newRes as $v) {
  68. $option_setting[CURLOPT_PROXY]=$v;
  69. $request = new request_setting($url, $method = "GET", $post_data = null,$header= null, $option_setting);
  70. $rc->add($request);
  71. }
  72. $rc->execute();
  73. $etime=time();
  74. $usedtime=$etime-$btime;
  75. echo 'all'. $sucesesnum.'use'. $usedtime;
  76. echo '
    ';
  77. $good_proxy= array_unique($good_proxy);
  78. $str='';
  79. foreach ($good_proxy as $v){
  80. $str.="'".trim($v)."',";
  81. }
  82. $str= str_replace ( ' ' , '' ,$str );
  83. $str = preg_replace('/\s+/', ' ', $str);
  84. echo $str.'
    ';
  85. var_export ($good_proxy);
  86. //var_dump ($good_proxy);
  100. //**************************************************************************************************
  101. //*******************************只用了一个函数
  103. function parseProxyInfo ( $proxyStr ) {
  104. //$proxyStr = '202.115.207.25:80@HTTP;四川省成都市 四川师范大学';
  105. $posIp = getPos($proxyStr, ':');
  106. $ip = substr($proxyStr, 0, $posIp);
  107. $posPort = getPos($proxyStr, '@');
  108. $port = substr($proxyStr, $posIp+1, $posPort-$posIp-1);
  109. $posType = getPos($proxyStr, ';');
  110. $type = substr($proxyStr, $posPort+1, $posType-$posPort-1);
  111. $location = substr(strstr($proxyStr, ';'), 1);
  112. return array(
  113. 'ip' => $ip,
  114. 'port' => $port,
  115. 'type' => $type,
  116. 'location' => $location
  117. );
  118. }
  120. function getPos($haystack, $needle){
  121. return strpos($haystack, $needle);
  122. }
  124. function check_proxy_is_useful($model, $proxy_info_arr = array()) {
  125. global $params, $config;
  126. if($model == 'single') {
  127. $proxy_port = intval(trim($params['port']));
  128. $check_proxy_url = $config['verify_url'];
  129. $proxy_time_out = intval(trim($params['timeout']));
  130. $retry = intval(trim($params['retry']));
  131. $proxy_ip = trim($params['ip']);
  132. $proxy = new proxy( $proxy_ip, $proxy_port, $check_proxy_url, $proxy_time_out, $retry );
  133. //成功返回string success, 失败返回boolean false
  134. $result = $proxy -> check_proxy();
  135. //var_dump($result);
  136. $proxy_str_success = ''.$proxy_ip.':'.$proxy_port.'@'.'HTTP 代理验证成功!';
  137. $proxy_str_failed = ''.$proxy_ip.':'.$proxy_port.'@'.'HTTP 代理验证失败!';
  138. return $result !== false ? $proxy_str_success : $proxy_str_failed;
  139. } elseif ($model == 'collect') {
  140. $proxy_port = intval(trim($proxy_info_arr['port']));
  141. $check_proxy_url = $config['verify_url'];
  142. $proxy_time_out = intval(trim($params['timeout']));
  143. $retry = intval(trim($params['retry']));
  144. $proxy_ip = trim($proxy_info_arr['ip']);
  145. /*echo $proxy_ip.'
    ';
  146. echo $proxy_port.'
    ';
  147. echo $check_proxy_url.'
    ';
  148. echo $proxy_time_out.'
    ';
  149. echo $retry.'
    ';*/
  150. if(!isset($proxy)) {
  151. $proxy = new proxy( $proxy_ip, $proxy_port, $check_proxy_url, $proxy_time_out, $retry );
  152. }
  153. //成功返回string success, 失败返回boolean false
  154. $result = $proxy -> check_proxy();
  155. return $result;
  156. }
  157. }
  159. function get_single(){
  160. global $params, $config;
  161. $proxy_ip = trim($params['ip']);
  162. if($proxy_ip == '') {
  163. echo '请输入IP!!';
  164. return;
  165. }
  166. echo check_proxy_is_useful('single');
  167. }
  169. function get_proxy_by_collect(){
  170. global $params, $config;
  171. $params['url'] = trim($params['url']);
  172. if($params['url'] == '') {
  173. echo '请输入url!';
  174. return;
  175. }
  176. //$url = 'http://www.dn28.com/html/75/n-5175.html';
  177. $con = iconv('GBK', 'UTF-8', file_get_contents($params['url']));
  178. preg_match ('/(.*)
    /s', $con, $arr);
  179. $result = strip_tags ($arr[1], '
    ');
  180. $replace_arr1 = array(' ', 'qq代理：', 'dn28.com', 'qqip', 'qq代理', 'qq代理ip', '代理ip：', 'ip：', '代理ip');
  181. $result = str_replace($replace_arr1, array(''), $result);
  182. //print_r($arr);
  183. $resArr = explode('
    ', $result);
  184. //print_r($resArr);
  185. echo '

    代理开始批量验证中，整个过程将会花费您几分钟时间。

    ';
  186. unset($_SESSION['success_arr']);
  187. foreach($resArr as $k => $v) {
  188. $newRes[$k] = parseProxyInfo($v);
  189. //print_r($newRes[$k]);
  190. /*return;*/
  191. $result = check_proxy_is_useful('collect', $newRes[$k]);
  192. $proxy_str_success = ''.$newRes[$k]['ip'].':'.$newRes[$k]['port'].'@'.$newRes[$k]['type'].' 代理验证成功！   IP地址:'.$newRes[$k]['location'].'';
  193. $proxy_str_failed = ''.$newRes[$k]['ip'].':'.$newRes[$k]['port'].'@'.$newRes[$k]['type'].' 代理验证失败！   IP地址:'.$newRes[$k]['location'].'';
  194. if($result !== false ){
  195. echo $proxy_str_success;
  196. $_SESSION['success_arr'][] = $success_arr[] = $newRes[$k];
  197. } else {
  198. echo $proxy_str_failed;
  199. }
  200. echo '
    ';
  201. }
  202. if(isset($success_arr) && count($success_arr) > 0 ) {
  203. save_success_proxy($success_arr);
  204. echo '

    [保存验证成功的代理到本地电脑]   [我要看看历史数据]

    ';
  205. } else {
  206. echo '

    [我要看看历史数据]

    ';
  207. }
  208. //print_r($success_arr);
  209. }
  211. function get_proxy_by_rule(){
  212. global $params, $config;
  213. $result = $proxy_ip = trim($params['ip']);
  214. if($proxy_ip == '') {
  215. echo '请输入IP!!';
  216. return;
  217. }
  218. $replace_arr1 = array(' ', 'qq代理：', 'dn28.com', 'qqip', 'qq代理', 'qq代理ip', '代理ip：', 'ip：', '代理ip');
  219. $result = str_replace($replace_arr1, array(''), $result);
  220. $resArr = explode("\n", $result);
  221. //print_r($resArr);
  222. echo '

    代理开始批量验证中，整个过程将会花费您几分钟时间。

    ';
  223. unset($_SESSION['success_arr']);
  224. foreach($resArr as $k => $v) {
  225. $newRes[$k] = parseProxyInfo($v);
  226. //print_r($newRes[$k]);
  227. /*return;*/
  228. $result = check_proxy_is_useful('collect', $newRes[$k]);
  229. //var_dump($result);
  230. $proxy_str_success = ''.$newRes[$k]['ip'].':'.$newRes[$k]['port'].'@'.$newRes[$k]['type'].' 代理验证成功！   IP地址:'.$newRes[$k]['location'].'';
  231. $proxy_str_failed = ''.$newRes[$k]['ip'].':'.$newRes[$k]['port'].'@'.$newRes[$k]['type'].' 代理验证失败！   IP地址:'.$newRes[$k]['location'].'';
  232. if($result !== false ){
  233. echo $proxy_str_success;
  234. $_SESSION['success_arr'][] = $success_arr[] = $newRes[$k];
  235. } else {
  236. echo $proxy_str_failed;
  237. }
  238. echo '
    ';
  239. }
  240. if(isset($success_arr) && count($success_arr) > 0 ) {
  241. save_success_proxy($success_arr);
  242. echo '

    [保存到php格式文件]   [保存验证成功的代理到本地电脑]   [我要看看历史数据]

    ';
  243. } else {
  244. echo '

    [我要看看历史数据]

    ';
  245. }
  246. }
  248. function save_success_proxy($success_arr){
  249. global $config;
  250. date_default_timezone_set('PRC');
  251. $str = '';
  252. foreach($success_arr as $k => $v) {
  253. $str .= $v['ip'].':'.$v['port'].'@'.$v['type'].';'.$v['location']."\n";
  254. }
  255. $fp = fopen($config['root_path'].'/success_proxy/'.date('YmdHi').'.log', 'a+');
  256. fwrite($fp, $str);
  257. fclose($fp);
  258. unset($str);
  259. }
  261. ?>
复制代码


声明：
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn
上一篇：文件自动备份软件 下一篇：PHP比较两个网址的差异

相关文章

查看更多