基于PHP的cURL快速入门（5）

下面的代码有点复杂了，因此我将一小步一小步地详细解释：

以下为引用的内容： // 1. 批处理器 $mh = curl_multi_init(); // 2. 加入需批量处理的URL for ($i = 0; $i < $max_connections; $i++) {     add_url_to_multi_handle($mh, $url_list); } // 3. 初始处理 do {     $mrc = curl_multi_exec($mh, $active); } while ($mrc == CURLM_CALL_MULTI_PERFORM); // 4. 主循环 while ($active && $mrc == CURLM_OK) {     // 5. 有活动连接     if (curl_multi_select($mh) != -1) {         // 6. 干活         do {             $mrc = curl_multi_exec($mh, $active);         } while ($mrc == CURLM_CALL_MULTI_PERFORM);         // 7. 有信息否？         if ($mhinfo = curl_multi_info_read($mh)) {             // 意味着该连接正常结束             // 8. 从curl句柄获取信息             $chinfo = curl_getinfo($mhinfo['handle']);             // 9. 死链么？             if (!$chinfo['http_code']) {                 $dead_urls []= $chinfo['url'];             // 10. 404了?             } else if ($chinfo['http_code'] == 404) {                 $not_found_urls []= $chinfo['url'];             // 11. 还能用             } else {                 $working_urls []= $chinfo['url'];             }             // 12. 移除句柄             curl_multi_remove_handle($mh, $mhinfo['handle']);             curl_close($mhinfo['handle']);             // 13. 加入新URL，干活             if (add_url_to_multi_handle($mh, $url_list)) {                 do {                     $mrc = curl_multi_exec($mh, $active);                 } while ($mrc == CURLM_CALL_MULTI_PERFORM);             }         }     } } // 14. 完了 curl_multi_close($mh); echo "==Dead URLs==\n"; echo implode("\n",$dead_urls) . "\n\n"; echo "==404 URLs==\n"; echo implode("\n",$not_found_urls) . "\n\n"; echo "==Working URLs==\n"; echo implode("\n",$working_urls); // 15. 向批处理器添加url function add_url_to_multi_handle($mh, $url_list) {     static $index = 0;     // 如果还剩url没用     if ($url_list[$index]) {         // 新建curl句柄         $ch = curl_init();         // 配置url         curl_setopt($ch, CURLOPT_URL, $url_list[$index]);         // 不想输出返回的内容         curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);         // 重定向到哪儿我们就去哪儿         curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);         // 不需要内容体，能够节约带宽和时间         curl_setopt($ch, CURLOPT_NOBODY, 1);         // 加入到批处理器中         curl_multi_add_handle($mh, $ch);         // 拨一下计数器，下次调用该函数就能添加下一个url了         $index++;         return true;     } else {         // 没有新的URL需要处理了         return false;     } }

下面解释一下以上代码。列表的序号对应着代码注释中的顺序数字。

1. 新建一个批处理器。Created a multi handle.
2. 稍后我们将创建一个把URL加入批处理器的函数 add_url_to_multi_handle() 。每当这个函数被调用，就有一个新url被加入批处理器。一开始，我们给批处理器添加了10个URL（这一数字由 $max_connections 所决定）。
3.   运行 curl_multi_exec()  进行初始化工作是必须的，只要它返回 CURLM_CALL_MULTI_PERFORM 就还有事情要做。这么做主要是为了创建连接，它不会等待完整的URL响应。
4. 只要批处理中还有活动连接主循环就会一直持续。
5. curl_multi_select() 会一直等待，直到某个URL查询产生活动连接。
6. cURL的活儿又来了，主要是获取响应数据。
7. 检查各种信息。当一个URL请求完成时，会返回一个数组。
8. 在返回的数组中有一个 cURL 句柄。我们利用其获取单个cURL请求的相应信息。
9. 如果这是一个死链或者请求超时，不会返回http状态码。
10. 如果这个页面找不到了，会返回404状态码。
11. 其他情况我们都认为这个链接是可用的（当然，你也可以再检查一下500错误之类...）。
12. 从该批次移除这个cURL句柄，因为它已经没有利用价值了，关了它！
13. 很好，现在可以另外加一个URL进来了。再一次地，初始化工作又开始进行...
14. 嗯，该干的都干了。关闭批处理器，生成报告。
15. 回过头来看给批处理器添加新URL的函数。这个函数每调用一次，静态变量 $index 就递增一次，这样我们才能知道还剩多少URL没处理。

我把这个脚本在我的博客上跑了一遍（测试需要，有一些错误链接是故意加上的），结果如下：

以下为引用的内容： <img border="0" src="http://nettuts.s3.cdn.plus.org/534_curl/ss_4.png" />

共检查约40个URL，只耗费两秒不到。当需要检查更加大量的URL时，其省心省力的效果可想而知！如果你同时打开10个连接，还能再快上10倍！另外，你还可以利用cURL批处理的无隔断特性来处理大量URL请求，而不会阻塞你的Web脚本。