CURL PHP实现多线程抓取网页

　　PHP 利用 Curl Functions 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，受限于php语言本身不支持多线程，所以开发爬虫程序效率并不高，这时候往往需 要借助Curl Multi Functions 它可以实现并发多线程的访问多个url地址。既然 Curl Multi Function如此强大，能否用 Curl Multi Functions 来写并发多线程下载文件呢，当然可以，下面给出我的代码：

<?php
$urls = array(  
 'http://www.sina.com.cn/',  
 'http://www.sohu.com/',  
 'http://www.163.com/' 
); // 设置要抓取的页面URL  
     
$save_to='/test.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); // 设置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);
?>

代码2：将获得的代码先放入变量，再写入某个文件

<?php
$urls = array(  
 'http://www.sina.com.cn/',  
 'http://www.sohu.com/',  
 'http://www.163.com/' 
);  
   
$save_to='/test.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[$i],CURLOPT_RETURNTRANSFER,true);  // 设置不将爬取代码写到浏览器，而是转化为字符串  
  curl_multi_add_handle ($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。当然，也可以不写入文件，比如存入数据库  
} // 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); 
?>

http://www.cnblogs.com/jyginger/archive/2010/07/20/1781516.html

 

// 上面的do是有问题的，那样写会出现错误
// 更改的do循环start
do {
  $mrc = curl_multi_exec($mh,$active);
} while ($mrc == CURLM_CALL_MULTI_PERFORM);
   
while ($active and $mrc == CURLM_OK) {
  if (curl_multi_select($mh) != -1) {
    do {
      $mrc = curl_multi_exec($mh, $active);
    } while ($mrc == CURLM_CALL_MULTI_PERFORM);
  }
}
// 更改的do循环 end
因为$active要等全部url数据接受完毕才变成false，所以这里用到了curl_multi_exec的返回值判断是否还有数据，当有数据的时候就不停调用curl_multi_exec，暂时没有数据就进入select阶段，新数据一来就可以被唤醒继续执行。这里的好处就是CPU的无谓消耗没有了。

http://blog.csdn.net/oyd/article/details/1820615