关于用php的curl批量抓取内容-原创手记-慕课网

先上个单个采集的curl访问案例

<?php
$curl = curl_init();
curl_setopt($curl, CURLOPT_URL, 'www.baidu.com');
curl_setopt($curl, CURLOPT_SSL_VERIFYPEER, 0);
curl_setopt($curl, CURLOPT_SSL_VERIFYHOST, 1);
curl_setopt($curl, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 6.1; rv:21.0) Gecko/20100101 Firefox/21.0');
curl_setopt($curl, CURLOPT_FOLLOWLOCATION, 0);
curl_setopt($curl, CURLOPT_AUTOREFERER, 0);
curl_setopt($curl, CURLOPT_HTTPGET, 0);
//curl_setopt($curl, CURLOPT_COOKIEFILE, $this->_cookie); // 如果是需要登陆才能采集的话,需要加上你登陆后得到的cookie文件  
curl_setopt($curl, CURLOPT_TIMEOUT, 0); // 设置超时限制防止死循环  
curl_setopt($curl, CURLOPT_CONNECTTIMEOUT, 0); // 在发起连接前等待的时间，如果设置为0，则无限等待。
curl_setopt($curl, CURLOPT_CONNECTTIMEOUT_MS, 0); // 尝试连接等待的时间，以毫秒为单位。如果设置为0，则无限等待。  
curl_setopt($curl, CURLOPT_HEADER, 0);
curl_setopt($curl, CURLOPT_RETURNTRANSFER, 1);
$tmpInfo = curl_exec($curl);
var_dump($tmpInfo); exit;
?>

在php开发中,会涉及到一些数据方面的采集工作.那么在我们采集的时候,避不可免的会碰到要批量采集的时候.

举个粟子.

当我们要采集新闻的时候,到了一个新闻的列表页,那么我们分析了这个列表的链接后,当然可以通过循环的方法,一个个的按普通的方式来采集.但是,这很影响效率.执行超慢.于是,翻开php手册,发现还可以批量采集批量采集神器 curl_multi_init 登场;

假如需要同时采集两个地址,怎么办?

下面这个例子,我想你看了就会明白了

<?php
$urls = array('http://www.baidu.com/','http://www.sogou.com/');
$queue = curl_multi_init(); //允许并行地处理批处理cURL句柄。
foreach($urls as $url) {    
   $ch = curl_init();        
   curl_setopt($ch,  CURLOPT_URL, $url);           
   //这个curl只是说明了它是要干嘛,但是一直到 curl_multi_add_handle 都啥也没有去干,也就是说没有去模拟访问
   curl_setopt($ch, CURLOPT_SSL_VERIFYPEER, 0);  
   curl_setopt($ch, CURLOPT_SSL_VERIFYHOST, 1);
   curl_setopt($ch,  CURLOPT_TIMEOUT, 25000);//超时
   curl_setopt($ch,  CURLOPT_RETURNTRANSFER, 1);
   curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 6.1; rv:21.0) Gecko/20100101 Firefox/21.0'); //指明你的浏览器,这是我的
   //curl_setopt($ch, CURLOPT_COOKIEFILE, $this->_cookie); // 如果是需要登陆才能采集的话,需要加上你登陆后得到的cookie文件  
   curl_setopt($ch, CURLOPT_HEADER, 0);
   curl_setopt($ch, CURLOPT_NOSIGNAL, true);
   curl_multi_add_handle($queue,$ch);  //向批处理句柄中,添加句柄   后面批量的去模拟访问,抓取回资源
}
$responses = array();   //事先声名一个数组
do{
   while(($code = curl_multi_exec($queue,$active)) == CURLM_CALL_MULTI_PERFORM);   //返回值如果是0,那就得继续
}while($active);    //一直到资源里还有0条为止
//经过了刚才的循环指抓取 此时 $queue 就是一个批量的资源集了 这只是资源集,你需要把它读取出来.好,读取在下面闪亮登场
while($done = curl_multi_info_read($queue)){// 用这个专门读取批量资源集的函数,可以把这个资源集的内容一条条的读出来
   //用上面的函数读出来的,是一个数组,数组中有批量资源中的一条资源,而且被放在 handle 键上
   $str = curl_multi_getcontent($done['handle']);      
   //要读取资源集的资源条抓取回来的内容,还得用专门的curl_multi_getcontent函数才能完成
   curl_multi_remove_handle($queue,$done['handle']);   //读取了资源,别忘记把该资源从资源集中移除
   curl_close($done['handle']);                        //也别忘记把这个资源句柄关闭,减小内存开销
   $responses[] = $str;
}
curl_multi_close($queue);   //把总句柄关闭
var_dump($responses);        //好,打印一下你刚才批量抓取的内容
?>

试着把代码拷到你的电脑上运行一下.

看明白了吗?