快捷導(dǎo)航

PHP多線程批量采集下載美女圖片的實現(xiàn)代碼(續(xù))

更新時間：2013年06月03日 18:10:41 作者：

之前寫過一篇《PHP批量采集下載美女圖片》文中主要采用file_get_content做采集圖片，今天發(fā)現(xiàn)采集了400張圖片居然需要70分鐘以上，真是難以忍受

個人認(rèn)為影響的原因：
匹配到的圖片url并不是有效的url，文中只是簡單的判斷是否是相對路徑，但是有些url是失效的
解決辦法：就是新增判斷是否是真實有效url的圖片

/**
 * 
 *判斷url是否有效 
 *@param $url string
 *@return boole 
 */
function relUrl($url){
 if(substr($url,0,4)=='http'){
  $array = get_headers($url,true);
  if(count($array)>0 && is_array($array)){
   if(preg_match('/200/', $array[0])){
    unset($array);
    return true;
   }else{
    unset($array);
    return false;
   }
  }else{
   unset($array);
   return false;
  }
 }else{
  return false;
 }
}

主要使用get_headers函數(shù)，獲取http請求信息，判斷服務(wù)端反應(yīng)狀態(tài)（200）判斷url是否真實有效。

再次測試采集圖片
結(jié)果比以前還要糟糕，運(yùn)行的更慢了。

測試的原因就是：
get_headers函數(shù)雖然可以判斷url是否真實有效，但是假如遇到很慢的url資源，因為get-heades請求沒有時間限制，導(dǎo)致這個線程被占用，后續(xù)的請求被阻塞
file_get_content函數(shù)和上面的原因一樣，由于某些慢的url資源都長期占用，阻塞后面的進(jìn)程被占用，長期阻塞，cpu占用也會增高
解決辦法；
使用curl的多線程，另外curl可以設(shè)置請求時間，遇到很慢的url資源，可以果斷的放棄，這樣沒有阻塞，另外有多線程請求，效率應(yīng)該比較高，參考：《CURL的學(xué)習(xí)和應(yīng)用[附多線程]》，我們再來測試一下；

核心代碼：

復(fù)制代碼代碼如下:

/**
     * curl 多線程
     *
     * @param array $array 并行網(wǎng)址
     * @param int $timeout 超時時間
     * @return mix
     */
public function Curl_http($array,$timeout='15'){
      $res = array();

      $mh = curl_multi_init();//創(chuàng)建多個curl語柄

      foreach($array as $k=>$url){
          $conn[$k]=curl_init($url);//初始化

          curl_setopt($conn[$k], CURLOPT_TIMEOUT, $timeout);//設(shè)置超時時間
          curl_setopt($conn[$k], CURLOPT_USERAGENT, 'Mozilla/5.0 (compatible; MSIE 5.01; Windows NT 5.0)');
          curl_setopt($conn[$k], CURLOPT_MAXREDIRS, 7);//HTTp定向級別，7最高
          curl_setopt($conn[$k], CURLOPT_HEADER, false);//這里不要header，加塊效率
          curl_setopt($conn[$k], CURLOPT_FOLLOWLOCATION, 1); // 302 redirect
          curl_setopt($conn[$k], CURLOPT_RETURNTRANSFER,1);//要求結(jié)果為字符串且輸出到屏幕上
    curl_setopt($conn[$k], CURLOPT_HTTPGET, true);

          curl_multi_add_handle ($mh,$conn[$k]);
      }
       //防止死循環(huán)耗死cpu 這段是根據(jù)網(wǎng)上的寫法
          do {
              $mrc = curl_multi_exec($mh,$active);//當(dāng)無數(shù)據(jù)，active=true
          } while ($mrc == CURLM_CALL_MULTI_PERFORM);//當(dāng)正在接受數(shù)據(jù)時
          while ($active and $mrc == CURLM_OK) {//當(dāng)無數(shù)據(jù)時或請求暫停時，active=true
              if (curl_multi_select($mh) != -1) {
                  do {
                      $mrc = curl_multi_exec($mh, $active);
                  } while ($mrc == CURLM_CALL_MULTI_PERFORM);
              }
          }

      foreach ($array as $k => $url) {
            if(!curl_errno($conn[$k])){
            $data[$k]=curl_multi_getcontent($conn[$k]);//數(shù)據(jù)轉(zhuǎn)換為array
            $header[$k]=curl_getinfo($conn[$k]);//返回http頭信息
            curl_close($conn[$k]);//關(guān)閉語柄
            curl_multi_remove_handle($mh , $conn[$k]);   //釋放資源
            }else{
            unset($k,$url);
            }
          }

          curl_multi_close($mh);

          return $data;

   }

//參數(shù)接收
$callback = $_GET['callback'];
$hrefs = $_GET['hrefs'];
$urlarray = explode(',',trim($hrefs,','));
$date = date('Ymd',time());
//實例化
$img = new HttpImg();
$stime = $img->getMicrotime();//開始時間

$data = $img->Curl_http($urlarray,'20');//列表數(shù)據(jù)
mkdir('./img/'.$date,0777);
foreach ((array)$data as $k=>$v){
preg_match_all("/(href|src)=(["|']?)([^ "'>]+.(jpg|png|PNG|JPG|gif))\2/i", $v, $matches[$k]);

if(count($matches[$k][3])>0){
  $dataimg = $img->Curl_http($matches[$k][3],'20');//全部圖片數(shù)據(jù)二進(jìn)制
  $j = 0;
  foreach ((array)$dataimg as $kk=>$vv){
   if($vv !=''){
    $rand = rand(1000,9999);
    $basename = time()."_".$rand.".".jpg;//保存為jpg格式的文件
    $fname = './img/'.$date."/"."$basename";
    file_put_contents($fname, $vv);
    $j++;
    echo "創(chuàng)建第".$j."張圖片"."$fname"."<br/>";
   }else{
    unset($kk,$vv);
   }
  }
}else{
  unset($matches);
}
}
$etime = $img->getMicrotime();//結(jié)束時間
echo "用時".($etime-$stime)."秒";
exit;