使用curl实现多线程

使用curl实现多线程

curl一般用来抓取网页，第二种就是get或者post数据，第三种应用就是实现PHP的多线程任务

下面来实现多线程的

可以返回：

• URLINFO_EFFECTIVE_URL – 最后一个有效的URL地址
• CURLINFO_HTTP_CODE – 最后一个收到的HTTP代码
• CURLINFO_FILETIME – 远程获取文档的时间，如果无法获取，则返回值为“-1”
• CURLINFO_TOTAL_TIME – 最后一次传输所消耗的时间
• CURLINFO_NAMELOOKUP_TIME – 名称解析所消耗的时间
• CURLINFO_CONNECT_TIME – 建立连接所消耗的时间
• CURLINFO_PRETRANSFER_TIME – 从建立连接到准备传输所使用的时间
• CURLINFO_STARTTRANSFER_TIME – 从建立连接到传输开始所使用的时间
• CURLINFO_REDIRECT_TIME – 在事务传输开始前重定向所使用的时间
• CURLINFO_SIZE_UPLOAD – 上传数据量的总值
• CURLINFO_SIZE_DOWNLOAD – 下载数据量的总值
• CURLINFO_SPEED_DOWNLOAD – 平均下载速度
• CURLINFO_SPEED_UPLOAD – 平均上传速度
• CURLINFO_HEADER_SIZE – header部分的大小
• CURLINFO_HEADER_OUT – 发送请求的字符串
• CURLINFO_REQUEST_SIZE – 在HTTP请求中有问题的请求的大小
• CURLINFO_SSL_VERIFYRESULT – 通过设置CURLOPT_SSL_VERIFYPEER返回的SSL证书验证请求的结果
• CURLINFO_CONTENT_LENGTH_DOWNLOAD – 从Content-Length: field中读取的下载内容长度
• CURLINFO_CONTENT_LENGTH_UPLOAD – 上传内容大小的说明
• CURLINFO_CONTENT_TYPE – 下载内容的Content-Type:值，NULL表示服务器没有发送有效的Content-Type: header     
• 
  

<?php
/*
curl 多线程抓取
*/

 /**
     * curl 多线程
     *
     * @param array $array 并行网址
     * @param int $timeout 超时时间
     * @return array
     */
 function Curl_http($array,$timeout){
 	$res = array();
 	$mh = curl_multi_init();//创建多个curl语柄
	$startime = getmicrotime();
 	foreach($array as $k=>$url){
 		$conn[$k]=curl_init($url);

        curl_setopt($conn[$k], CURLOPT_TIMEOUT, $timeout);//设置超时时间
        curl_setopt($conn[$k], CURLOPT_USERAGENT, 'Mozilla/5.0 (compatible; MSIE 5.01; Windows NT 5.0)');
        curl_setopt($conn[$k], CURLOPT_MAXREDIRS, 7);//HTTp定向级别
        curl_setopt($conn[$k], CURLOPT_HEADER, 0);//这里不要header，加块效率
        curl_setopt($conn[$k], CURLOPT_FOLLOWLOCATION, 1); // 302 redirect
        curl_setopt($conn[$k],CURLOPT_RETURNTRANSFER,1);
        curl_multi_add_handle ($mh,$conn[$k]);
 	}
	 //防止死循环耗死cpu 这段是根据网上的写法
		do {
			$mrc = curl_multi_exec($mh,$active);//当无数据，active=true
		} while ($mrc == CURLM_CALL_MULTI_PERFORM);//当正在接受数据时
		while ($active and $mrc == CURLM_OK) {//当无数据时或请求暂停时，active=true
			if (curl_multi_select($mh) != -1) {
				do {
					$mrc = curl_multi_exec($mh, $active);
				} while ($mrc == CURLM_CALL_MULTI_PERFORM);
			}
		}

 	foreach ($array as $k => $url) {
 		  curl_error($conn[$k]);
    	  $res[$k]=curl_multi_getcontent($conn[$k]);//获得返回信息
    	  $header[$k]=curl_getinfo($conn[$k]);//返回头信息
    	  curl_close($conn[$k]);//关闭语柄
    	  curl_multi_remove_handle($mh  , $conn[$k]);   //释放资源
		}

		curl_multi_close($mh);
		$endtime = getmicrotime();
		$diff_time = $endtime - $startime;

		return array('diff_time'=>$diff_time,
					 'return'=>$res,
					'header'=>$header
					);

 }
 //计算当前时间
 function getmicrotime() {
	    list($usec, $sec) = explode(" ",microtime());
	    return ((float)$usec + (float)$sec);
	}

	//测试一下，curl 三个网址
	$array = array(
				"http://www.weibo.com/",
				"http://www.renren.com/",
				"http://www.qq.com/"
				);

	$data = Curl_http($array,'10');//调用
	var_dump($data);//输出

?>

 

关于do while的那段解释：

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。更详细的说明：http://hi.baidu.com/%D4%C2%D2%B9%C4%FD%ED%F8/blog/item/9dfcf4fbe6b84374024f563d.html

 

这个多线程的写法步骤：

第一步：调用curl_multi_init

第二步：循环调用curl_multi_add_handle

这一步需要注意的是，curl_multi_add_handle的第二个参数是由curl_init而来的子handle。

第三步：持续调用curl_multi_exec

第四步：根据需要循环调用curl_multi_getcontent获取结果

第五步：调用curl_multi_remove_handle，并为每个字handle调用curl_close

第六步：调用curl_multi_close

多线程的测试效果图：

总结：36个http请求，从执行的是时间顺序上来看，三个网站的ip交叉，说明是同时并发的！