php curl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：

代码1：将获得的代码直接写入某个文件

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

<?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

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

<?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);  ?>

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

通过curl节省网络传输时间，实现网络爬虫操作。