PHP CURL或file_get_contents获取网页标题的代码及两者效率的稳定性问题
PHP CURL与file_get_contents函数都可以获取远程服务器上的文件保存到本地,但在性能上面两者完全不在同一个级别,下面我先来介绍PHP CURL或file_get_contents函数应用例子,然后再简单的给各位介绍一下它们的一些小区别吧。
推荐方法 CURL获取
1
2
3
4
5
6
7
8
9
10
11
12
|
<?php $c = curl_init(); $url = 'www.jb51.net' ; curl_setopt( $c , CURLOPT_URL, $url ); curl_setopt( $c , CURLOPT_RETURNTRANSFER, 1); $data = curl_exec( $c ); curl_close( $c ); $pos = strpos ( $data , 'utf-8' ); if ( $pos ===false){ $data = iconv( "gbk" , "utf-8" , $data );} preg_match( "/<title>(.*)<\/title>/i" , $data , $title ); echo $title [1]; ?> |
使用file_get_contents
1
2
3
4
5
6
7
8
9
|
<?php $pos = strpos ( $content , 'utf-8' ); if ( $pos ===false){ $content = iconv( "gbk" , "utf-8" , $content );} $postb = strpos ( $content , '<title>' )+7; $poste = strpos ( $content , '</title>' ); $length = $poste - $postb ; echo substr ( $content , $postb , $length ); ?> |
看看file_get_contents性能
1)fopen/file_get_contents 每次请求远程URL中的数据都会重新做DNS查询,并不对DNS信息进行缓存。但是CURL会自动对DNS信息进行缓存。对同一域名下的网页或者图片的请求只需要一次DNS 查询。这大大减少了DNS查询的次数。所以CURL的性能比fopen/file_get_contents 好很多。
2)fopen/file_get_contents在请求HTTP时,使用的是http_fopen_wrapper,不会keeplive。而curl却可以。这样在多次请求多个链接时,curl效率会好一些。(设置header头应该可以)
3)fopen/file_get_contents函数会受到php.ini文件中allow_url_open选项配置的影响。如果该配置关闭了,则该函数也就失效了。而curl不受该配置的影响。
4)curl可以模拟多种请求,例如:POST数据,表单提交等,用户可以按照自己的需求来定制请求。而fopen/file_get_contents只能使用get方式获取数据。
5)fopen/file_get_contents 不能正确下载二进制文件
6)fopen/file_get_contents 不能正确处理ssl请求
7)curl 可以利用多线程
8)使用 file_get_contents 的时候如果 网络出现问题, 很容易堆积一些进程在这里
9)如果是要打一个持续连接,多次请求多个页面。那么file_get_contents就会出问题。取得的内容也可能会不对。所以做一些类似采集工作的时候,肯定就有问题了。对做采集抓取的用curl,如果还有同不相信下面我们再做个测试
curl与file_get_contents性能对比PHP源代码如下:
1829.php
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
|
<?php /** * 通过淘宝IP接口获取IP地理位置 * @param string $ip * @return: string **/ function getCityCurl( $ip ) { $ch = curl_init(); $timeout = 5; curl_setopt ( $ch , CURLOPT_URL, $url ); curl_setopt ( $ch , CURLOPT_RETURNTRANSFER, 1); curl_setopt ( $ch , CURLOPT_CONNECTTIMEOUT, $timeout ); $file_contents = curl_exec( $ch ); curl_close( $ch ); $ipinfo =json_decode( $file_contents ); if ( $ipinfo ->code== '1' ){ return false; } $city = $ipinfo ->data->region. $ipinfo ->data->city; return $city ; } function getCity( $ip ) { $ipinfo =json_decode( file_get_contents ( $url )); if ( $ipinfo ->code== '1' ){ return false; } $city = $ipinfo ->data->region. $ipinfo ->data->city; return $city ; } // for file_get_contents $startTime = explode ( ' ' ,microtime()); $startTime = $startTime [0] + $startTime [1]; for ( $i =1; $i <=10; $i ++) { echo getCity( "121.207.247.202" ). "</br>" ; } $endTime = explode ( ' ' ,microtime()); $endTime = $endTime [0] + $endTime [1]; $totalTime = $endTime - $startTime ; echo 'file_get_contents:' .number_format( $totalTime , 10, '.' , "" ). " seconds</br>" ; //for curl $startTime2 = explode ( ' ' ,microtime()); $startTime2 = $startTime2 [0] + $startTime2 [1]; for ( $i =1; $i <=10; $i ++) { echo getCityCurl( '121.207.247.202' ). "</br>" ; } $endTime2 = explode ( ' ' ,microtime()); $endTime2 = $endTime2 [0] + $endTime2 [1]; $totalTime2 = $endTime2 - $startTime2 ; echo "curl:" .number_format( $totalTime2 , 10, '.' , "" ). " seconds" ; ?> |
测试访问
file_get_contents速度:4.2404510975 seconds
curl速度:2.8205530643 seconds
curl比file_get_contents速度快了30%左右,最重要的是服务器负载更低.
ps:php函数file_get_contents与curl效率及稳定性问题
习惯了使用方便快捷的file_get_contents函数抓取别家网站内容,但是总是会遇到获取失败的问题,尽管按照手册中的例子设置了超时,可多数时候不好使:
$config['context'] = stream_context_create(array('http' => array('method' => "GET",'timeout' => 5)));
'timeout' => 5//这个超时时间不稳定,经常不好使。这时候,看一下服务器的连接池,会发现一堆类似下面的错误,让你头疼万分:
file_get_contents(http://***): failed to open stream…
不得已,安装了curl库,写了一个函数替换:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
function curl_get_contents( $url ) { $ch = curl_init(); curl_setopt( $ch , CURLOPT_URL, $url ); //设置访问的url地址 //curl_setopt($ch,CURLOPT_HEADER,1); //是否显示头部信息 curl_setopt( $ch , CURLOPT_TIMEOUT, 5); //设置超时 curl_setopt( $ch , CURLOPT_USERAGENT, _USERAGENT_); //用户访问代理 User-Agent curl_setopt( $ch , CURLOPT_REFERER,_REFERER_); //设置 referer curl_setopt( $ch ,CURLOPT_FOLLOWLOCATION,1); //跟踪301 curl_setopt( $ch , CURLOPT_RETURNTRANSFER, 1); //返回结果 $r = curl_exec( $ch ); curl_close( $ch ); return $r ; } |
如此,除了真正的网络问题外,没再出现任何问题。
这是别人做过的关于curl和file_get_contents的测试:
file_get_contents抓取google.com需用秒数:
2.31319094
2.30374217
2.21512604
3.30553889
2.30124092
curl使用的时间:
0.68719101
0.64675593
0.64326
0.81983113
0.63956594
差距很大吧?呵呵,从我使用的经验来说,这两个工具不只是速度有差异,稳定性也相差很大。建议对网络数据抓取稳定性要求比较高的朋友使用上面的 curl_file_get_contents函数,不但稳定速度快,还能假冒浏览器欺骗目标地址哦!