通过curl库的curl_multi方法实现并发请求多个URL

最新推荐文章于 2023-03-06 14:50:06 发布

昆山人在上海

最新推荐文章于 2023-03-06 14:50:06 发布

阅读量1.7k

点赞数

分类专栏： PHP研究文章标签： url header null html callback file

PHP研究专栏收录该内容

102 篇文章 0 订阅

订阅专栏

http://www.trackself.com/code/curl_multi.html




  function cmi($connomains,$killspace=TRUE,$forhtml=TRUE,$timeout=6,$header=0,$follow=1){
	 /*
	  cmi该函数的目的在于并发请求多个url，然后返回http://www.trackself.com

编写,真正的PHP并发
      原文发表在http://www.trackself.com/archives/463.html


	  此并发请求在url多于2的时候，明显比for ... file_get_contents ...要优很多
	  核心是curl库的curl_multi方法
	  用法：
	  $urls=array(
				  'http://www.google.com',
				  'http://www.baidu.com',
				  'http://sina.com',
				  'http://163.com'
				  )
	  $htmls=cmi($urls);
	  print_r($htmls);
	  
		//传入的$connomains是URL一维数组，由http://www.trackself.com编写
	  //该函数的目的在于并发请求多个url，然后返回源码
	  //以一次性略增加CPU为代价
	  //来减轻服务器因为for ... file_get_contents ...的长时连接负担及内存和CPU的负担，所以并发数不要大多（50以内效果非常好），尽量不要用于单页面或3页面以内的请求	
	  //$killspace为真时表示自动去掉HTML中换行及多余的空白，$forhtml为真时表示反回源码，为faluse时就是并发执行请求了（可以用于计划任务）
	  //后面的几个参数的详细说明请看注释，毕竟函数不长
     */
    
        $res=array();
    	$urlsa=array();
    	$results=array();
    		$mh = curl_multi_init();//创建多curl对象，为了几乎同时执行		
    		foreach ($connomains as $i => $url) {
    			 $conn[$i]=curl_init($url);//若url中含有gb2312汉字，例如FTP时，要在传入url的时候处理一下，这里不用
    			 curl_setopt($conn[$i], CURLOPT_TIMEOUT, $timeout);//此时间须根据页面的HTML源码出来的时间，一般是在1s内的，慢的话应该也不会6秒，极慢则是在16秒内
    			curl_setopt($conn[$i], CURLOPT_HEADER, $header);//不返回请求头，只要源码
    			  curl_setopt($conn[$i],CURLOPT_RETURNTRANSFER,1);//必须为1
    			   curl_setopt($conn[$i], CURLOPT_FOLLOWLOCATION, $follow);//如果页面含有自动跳转的代码如301或者302HTTP时，自动拿转向的页面
    			  curl_multi_add_handle ($mh,$conn[$i]);//关键，一定要放在上面几句之下，将单curl对象赋给多对象
    		}
    		//下面一大步的目的是为了减少cpu的无谓负担，暂时不明，来自php.net的建议，几乎是固定用法
    		do {
    				$mrc = curl_multi_exec($mh,$active);//当无数据时或请求暂停时，active=true
    		} while ($mrc == CURLM_CALL_MULTI_PERFORM);//当正在接受数据时
    		while ($active and $mrc == CURLM_OK) {//当无数据时或请求暂停时，active=true,为了减少cpu的无谓负担,这一步很难明啊
    				if (curl_multi_select($mh) != -1) {
    						do {
    								$mrc = curl_multi_exec($mh, $active);
    						} while ($mrc == CURLM_CALL_MULTI_PERFORM);
    				}
    		}
    		/
			//下面返回结果
    		foreach ($connomains as $i => $url) {
    			  $cinfo=curl_getinfo($conn[$i]);//可用于取得一些有用的参数，可以认为是header
    			  $url=$cinfo[url];//真实url,有些url
				  if($killspace){//有点水消耗
					  $str=trim(curl_multi_getcontent($conn[$i]));
					  $str = preg_replace('//s(?=/s)/', '', $str);//去掉跟随别的挤在一块的空白   	    
	                  $str = preg_replace('/[/n/r/t]/', ' ', $str);  //最后，去掉非space 的空白，用一个空格代替
    			      $res[$i]=stripslashes($str);//取得对象源码，并取消换行，节约内存的同时，可以方便作正则处理
				  }else{
					  $res[$i]=curl_multi_getcontent($conn[$i]);
				  }
				  if(!$forhtml){//节约内存			
					  $res[$i]=NULL;
				  }
				 /*下面这一段放一些高消耗的程序代码，用来处理HTML，我保留的一句=NULL是要提醒，及时清空对象释放内存，此程序在并发过程中如果源码太大，内在消耗严重
				 //事实上，这里应该做一个callback函数或者你应该将你的逻辑直接放到这里来，我为了程序可重复，没这么做
    			   preg_match_all($preg,$res[$i],$matchlinks);
    			   $res[$i]=NULL;
                 */   
                  curl_close($conn[$i]);//关闭所有对象
                  curl_multi_remove_handle($mh  , $conn[$i]);   //用完马上释放资源           			   
    			 
    		} 
    		curl_multi_close($mh);$mh=NULL;$conn=NULL;
      	
    		return $res;
    }//cmi

下面是版本二，几乎一至的代码，但输出的形式改为为带key;

function cmi($connomains,$killspace=TRUE,$forhtml=TRUE,$timeout=6,$header=0,$follow=1){
	 /*
	  cmi该函数的目的在于并发请求多个url，然后返回http://www.trackself.com

编写,真正的PHP并发
      原文发表在http://www.trackself.com/archives/463.html


	  此并发请求在url多于2的时候，明显比for ... file_get_contents ...要优很多
	  核心是curl库的curl_multi方法
	  用法：
	  //array_flip(array_flip($connomains))
	  $urls=array(
				  'http://www.google.com',
				  'http://www.baidu.com',
				  'http://sina.com',
				  'http://163.com'
				  )
	  $urls=array_flip(array_flip($connomains));//去除url中的重复的项，注意传入urls时一定要系合法的url表达，虽然不会影响其它url执行，但会减慢执行速度
	  $htmls=cmi($urls);
	  print_r($htmls);
	  
		//传入的$connomains是URL一维数组，由http://www.trackself.com编写
	  //该函数的目的在于并发请求多个url，然后返回源码
	  //以一次性略增加CPU为代价
	  //来减轻服务器因为for ... file_get_contents ...的长时连接负担及内存和CPU的负担，所以并发数不要大多（50以内效果非常好），尽量不要用于单页面或3页面以内的请求	
	  //$killspace为真时表示自动去掉HTML中换行及多余的空白，$forhtml为真时表示反回源码，为faluse时就是并发执行请求了（可以用于计划任务）
	  //后面的几个参数的详细说明请看注释，毕竟函数不长
     */
    
        $res=array();//用于保存结果 	    	
		//$connomains=array_flip(array_flip($connomains));//去除url中的重复项
    		$mh = curl_multi_init();//创建多curl对象，为了几乎同时执行		
    		foreach ($connomains as $i => $url) {
    			 $conn[$url]=curl_init($url);//若url中含有gb2312汉字，例如FTP时，要在传入url的时候处理一下，这里不用
    			 curl_setopt($conn[$url], CURLOPT_TIMEOUT, $timeout);//此时间须根据页面的HTML源码出来的时间，一般是在1s内的，慢的话应该也不会6秒，极慢则是在16秒内
    			curl_setopt($conn[$url], CURLOPT_HEADER, $header);//不返回请求头，只要源码
    			  curl_setopt($conn[$url],CURLOPT_RETURNTRANSFER,1);//必须为1
    			   curl_setopt($conn[$url], CURLOPT_FOLLOWLOCATION, $follow);//如果页面含有自动跳转的代码如301或者302HTTP时，自动拿转向的页面
    			  curl_multi_add_handle ($mh,$conn[$url]);//关键，一定要放在上面几句之下，将单curl对象赋给多对象
    		}
    		//下面一大步的目的是为了减少cpu的无谓负担，暂时不明，来自php.net的建议，几乎是固定用法
    		do {
    				$mrc = curl_multi_exec($mh,$active);//当无数据时或请求暂停时，active=true
    		} while ($mrc == CURLM_CALL_MULTI_PERFORM);//当正在接受数据时
    		while ($active and $mrc == CURLM_OK) {//当无数据时或请求暂停时，active=true,为了减少cpu的无谓负担,这一步很难明啊
    				if (curl_multi_select($mh) != -1) {
    						do {
    								$mrc = curl_multi_exec($mh, $active);
    						} while ($mrc == CURLM_CALL_MULTI_PERFORM);
    				}
    		}
    		/
			//下面返回结果
    		foreach ($connomains as $i => $url) {
    			  $cinfo=curl_getinfo($conn[$url]);//可用于取得一些有用的参数，可以认为是header
    			  //$url=$cinfo[url];//真实url,有些url
				  if($killspace){//有点水消耗
					  $str=trim(curl_multi_getcontent($conn[$url]));
					  $str = preg_replace('//s(?=/s)/', '', $str);//去掉跟随别的挤在一块的空白   	    
	                  $str = preg_replace('/[/n/r/t]/', ' ', $str);  //最后，去掉非space 的空白，用一个空格代替
    			      $res[$url]=stripslashes($str);//取得对象源码，并取消换行，节约内存的同时，可以方便作正则处理
				  }else{
					  $res[$url]=curl_multi_getcontent($conn[$url]);
				  }
				  if(!$forhtml){//节约内存			
					  $res[$url]=NULL;
				  }
				 /*下面这一段放一些高消耗的程序代码，用来处理HTML，我保留的一句=NULL是要提醒，及时清空对象释放内存，此程序在并发过程中如果源码太大，内在消耗严重
				 //事实上，这里应该做一个callback函数或者你应该将你的逻辑直接放到这里来，我为了程序可重复，没这么做
    			   preg_match_all($preg,$res[$i],$matchlinks);
    			   $res[$i]=NULL;
                 */  
                  curl_close($conn[$url]);//关闭所有对象 
                  curl_multi_remove_handle($mh  , $conn[$url]);   //用完马上释放资源           			   
    			 
    		} 
    		curl_multi_close($mh);$mh=NULL;$conn=NULL;$connomains=NULL;
      	
    		return $res;
    }//cmi