PHP 利用Curl实现多线程抓取网页和下载文件

PHP 利用 Curl 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，然而因为php语言本身不支持多线程，所以开发爬虫程序效率并不高，一般采集数据可以利用 PHPquery类来采集数据库，在此之外也可以用 Curl ，借助Curl 这个功能实现并发多线程的访问多个url地址以实现并发多线程抓取网页或者下载文件。

 

1、实现抓取多个URL并将内容写入指定的文件

<?php 
$urls = array(
	'http://test.onestopweb.cn/demo1.php',
	'http://test.onestopweb.cn/demo2.php',
	'http://test.onestopweb.cn/demo3.php'
); // 设置要抓取的页面URL
$save_to='test1.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); // 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);
?>

效果图：

 

2、利用 PHP 的 Curl 实现抓取网页URL并保存内容
下面这段代码和上面差不多意思，只不过这个地方是将获得的代码先放入变量，然后再将获取到的内容写入指定的文件

<?php
$urls = array(
	'http://test.onestopweb.cn/demo1.php',
	'http://test.onestopweb.cn/demo2.php',
	'http://test.onestopweb.cn/demo3.php'
);
$save_to='test2.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[$i],CURLOPT_RETURNTRANSFER,true); // 不将爬取代码写到浏览器，而是转化为字符串
	curl_multi_add_handle ($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,$data); // 将字符串写入文件
} // 获得数据变量，并写入文件
foreach ($urls as $i => $url) {
	curl_multi_remove_handle($mh,$conn[$i]);
	curl_close($conn[$i]);
}
curl_multi_close($mh);
fclose($st);
?>

 效果图：

 

3、利用 PHP 的 Curl 实现并发多线程下载文件

<?php
$urls=array(
	'http://test.onestopweb.cn/data.zip',
	'http://test.onestopweb.cn/data2.zip',
	'http://test.onestopweb.cn/data3.zip'
);
$save_to='zip/';
$mh=curl_multi_init();
foreach($urls as $i=>$url){
	$g=$save_to.basename($url);
	if(!is_file($g)){
		$conn[$i]=curl_init($url);
		$fp[$i]=fopen($g,"w");
		curl_setopt($conn[$i],CURLOPT_USERAGENT,"Mozilla/4.0(compatible; MSIE 7.0; Windows NT 6.0)");
		curl_setopt($conn[$i],CURLOPT_FILE,$fp[$i]);
		curl_setopt($conn[$i],CURLOPT_HEADER ,0);
		curl_setopt($conn[$i],CURLOPT_CONNECTTIMEOUT,60);
		curl_multi_add_handle($mh,$conn[$i]);
	}
}
do{
	$n=curl_multi_exec($mh,$active);
}while($active);
foreach($urls as $i=>$url){
	curl_multi_remove_handle($mh,$conn[$i]);
	curl_close($conn[$i]);
	fclose($fp[$i]);
}
curl_multi_close($mh);
?>

 效果图：