一般CURL 抓网页的方法, 是一页一页抓, 假设要抓 4页, 所费时间各别是 5,10,7,5 秒, 那全部总合所花的时间就是 5 + 10 + 7 + 5 = 27 秒。
若能同时间去抓取多个网页, 所花费的时间 5,10,7,5 秒, 全部总合所花的时间是 10 秒。(花费最多时间的秒数)
于JavaScript 可使用 AJAX 的 async(YAHOO.util.Connect.asyncRequest)来达成, 于 PHP 可以用 CURL 来达成此 Multi-Threading 的效果。
程序(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>
|
使用
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 ?>
|
测试
sleep.php # 看时间延长取得的效果
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 ?>
|
作者:Tsung http://plog.longwin.com.tw/programming/2009/10/07/php-multi-thread-curl-2009