PHP多线程批量采集下载图片

 

使用curl的多线程，另外curl可以设置请求时间，遇到很慢的url资源，可以果断的放弃，这样没有阻塞，另外有多线程请求，效率应该比较高，参考：《CURL的学习和应用[附多线程]》，我们再来测试一下；

核心代码：

 

/**
     * curl 多线程
     *
     * @param array $array 并行网址
     * @param int $timeout 超时时间
     * @return mix
     */
	public function Curl_http($array,$timeout='15'){
		    $res = array();

		    $mh = curl_multi_init();//创建多个curl语柄

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

		        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[$k], CURLOPT_MAXREDIRS, 7);//HTTp定向级别 ，7最高
		        curl_setopt($conn[$k], CURLOPT_HEADER, false);//这里不要header，加块效率
		        curl_setopt($conn[$k], CURLOPT_FOLLOWLOCATION, 1); // 302 redirect
		        curl_setopt($conn[$k], CURLOPT_RETURNTRANSFER,1);//要求结果为字符串且输出到屏幕上
				curl_setopt($conn[$k], CURLOPT_HTTPGET, true);

		        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 => $url) {
		          if(!curl_errno($conn[$k])){
		          	$data[$k]=curl_multi_getcontent($conn[$k]);//数据转换为array
		          	$header[$k]=curl_getinfo($conn[$k]);//返回http头信息
		          	curl_close($conn[$k]);//关闭语柄
		          	curl_multi_remove_handle($mh  , $conn[$k]);   //释放资源
		          }else{
		          	unset($k,$url);
		          }
		        }

		        curl_multi_close($mh);

		        return $data;

		 }

//参数接收
$callback = $_GET['callback'];
$hrefs = $_GET['hrefs'];
$urlarray = explode(',',trim($hrefs,','));
$date = date('Ymd',time());
//实例化
$img = new HttpImg();
$stime = $img->getMicrotime();//开始时间

$data = $img->Curl_http($urlarray,'20');//列表数据
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');//全部图片数据二进制
		$j = 0;
		foreach ((array)$dataimg as $kk=>$vv){
			if($vv !=''){
				$rand = rand(1000,9999);
				$basename = time()."_".$rand.".".jpg;//保存为jpg格式的文件
				$fname = './img/'.$date."/"."$basename";
				file_put_contents($fname, $vv);
				$j++;
				echo "创建第".$j."张图片"."$fname"."<br/>";
			}else{
				unset($kk,$vv);
			}
		}
	}else{
		unset($matches);
	}
}
$etime = $img->getMicrotime();//结束时间
echo "用时".($etime-$stime)."秒";
exit;

 

 

测试一下效果

337张图片用时260秒左右，基本上可以做到一秒内就可以采集一张的效果，而且发现图片越到优势采集速度越明显。

我们可以看一下文件命名：也就可以做到同一时刻可以生成10张图片，

由于采用了20秒请求的时间限制，有些图片生成后有明显不全，也就是图片资源在20秒内未能完全采集，这个时间大家可以自行设置。

 

评论

1 楼 love1989 2012-08-08  

好东东 收藏