PHP模拟发送POST请求之五curl基本使用和多线程优化，之五curl
今天来介绍PHP模拟发送POST请求的重型武器——cURL函数库的使用和其多线程的优化方法。
说起cURL函数，可谓是老生常谈，但网上许多资料都在关键部分语焉不详，列出一大堆手册上的东西，搞得我入门时也万分痛苦，我翻了些资料，结合自己的笔记，总结了这篇博文，希望能给初次接触cURL的开发者提供一些帮助。
cURL的基本使用步骤
首先来介绍cURL:
cURL按照HTTP头信息来模拟浏览器传输数据，它支持FTP, FTPS, HTTP, HTTPS, DICT, FILE等协议，拥有HTTPS认证，HTTP POST方法，HTTP PUT方法，FTP上传，HTTP上传，代理服务器，cookies，用户名/密码认证等功能。cURL可谓是实现爬站抓取网页、POST数据等功能的利器。
使用cURL函数主要分为四部分：
1.初始化cURL。
2.设置cURL变量，这是cRUL的核心，扩展功能全靠这一步骤。
3.执行cURL,获取结果。
4.关闭连接，回收资源。
1 2 3 4 5 6 7 | <span>$ch</span> = curl_init();<span>
<span>
curl_setopt(</span><span>$ch</span>, CURLOPT_URL, "http://localhost");<span>//</span><span>2</span>
<span>$output</span> = curl_exec(<span>$ch</span>);<span>
<span>
curl_close(</span><span>$ch</span>);<span>
|
登入後複製
另外，我们还可以使用curl_getinfo($ch)函数获取curl执行的信息，其结果为一个数组
$info数组的内容包括如下等内容：
- “url” //资源网络地址
- “content_type” //内容编码
- “http_code” //HTTP状态码
- “filetime” //文件创建时间
- “total_time” //总耗时
- “size_upload” //上传数据的大小
- “size_download” //下载数据的大小
- “speed_download” //下载速度
- “speed_upload” //上传速度
- “download_content_length”//下载内容的长度
- “upload_content_length” //上传内容的长度
cURL的常用设置
下面详细介绍curl使用第二步时常用的变量设置，在使用curl函数时，可以按各种需求来设置。
设置基本信息：
curl_setopt($ch, CURLOPT_URL, $string);//设置curl的目录地址
curl_setopt($ch, CURLOPT_PORT, $port);//设置连接端口，一般不设置默认80
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);//返回结果流，并不是输出它留待后续处理，一般会设置这一项，稍后处理抓取到的信息，而不是直接输出出来。
设置POST数据信息：
curl_setopt($ch, CURLOPT_POST, 1);//设置传送数据方式为POST
curl_setopt($ch, CURLOPT_POSTFIELDS, $string);//设置要传输的数据
设置验证信息：
curl_setopt($ch, CURLOPT_COOKIE, $string);//设置curl执行时所携带的Cookie信息
curl_setopt($ch, CURLOPT_USERAGENT, $string);//设置curl模拟的浏览器信息
curl_setopt($ch, CURLOPT_REFERER, $string);//设置header中的referer,有利于破解防盗链
curl_setopt($ch, CURLOPT_USERPWD, $string);//传递一个连接中需要的用户名和密码，格式为："[username]:[password]"
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);//设置允许服务器重定向
设置强化信息：
curl_setopt($ch, CURLOPT_NOBODY, 1);//设置不允许输出HTML body体，如果在抓取页面标题等信息时设置此选项会大大加快速度
curl_setopt($ch, CURLOPT_TIMEOUT, $int);//设置允许执行的最长秒数（超时时间），设置数值小的时候，CURL会放弃执行时间长的页面
curl_setopt($ch, CURLOPT_HEADER, 1);//设置允许将读取目标时产生的header头文件包含在输出流中
cURL批处理功能的基本使用
当然cURL的功能并不止于此，在手册上你可以找到它更多的变量设置。而且cURL最强大的地方在其批处理功能。
cURL的批处理似乎也很好理解，以下是一般步骤：
1.$mh = curl_multi_init();//初始化一个批处理句柄。
2.curl_multi_add_handle($mh,$ch); //往批处理句柄中添加设置好的$ch句柄。
3.curl_multi_exec($mh,$running);//执行$mh句柄，并将$mh句柄的运行状态写入$running变量中
4.当$running为true时循环执行curl_multi_close()函数
5.循环结束后遍历$mh句柄，用curl_multi_getcontent()获取第一个句柄的返回值
6.用curl_multi_remove_handle()将$mh中的句柄移除
7.用curl_multi_close()关闭$mh批处理句柄。
代码如下：
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 | <?<span>php
</span><span>$chArr</span>=<span>[];
</span><span>for</span>(<span>$i</span>=0;<span>$i</span><50;<span>$i</span>++<span>){
</span><span>$chArr</span>[<span>$i</span>]=curl_init("http://www.baidu.com"<span>);
curl_setopt(</span><span>$chArr</span>[<span>$i</span>],CURLOPT_RETURNTRANSFER,1<span>);
}
</span><span>$mh</span> = curl_multi_init(); <span>
<span>foreach</span>(<span>$chArr</span> <span>as</span> <span>$k</span> => <span>$ch</span><span>){
curl_multi_add_handle(</span><span>$mh</span>,<span>$ch</span>); <span>
<span>
}
</span><span>$running</span> = <span>null</span><span>;
</span><span>do</span><span>{
curl_multi_exec(</span><span>$mh</span>,<span>$running</span>); <span>
<span>
}</span><span>while</span>(<span>$running</span> > 0); <span>
<span>foreach</span>(<span>$chArr</span> <span>as</span> <span>$k</span> => <span>$ch</span><span>){
</span><span>$result</span>[<span>$k</span>]= curl_multi_getcontent(<span>$ch</span>); <span>
<span>
curl_multi_remove_handle(</span><span>$mh</span>,<span>$ch</span>);<span>
<span>
}
curl_multi_close(</span><span>$mh</span>); <span>
?>
|
登入後複製
cURL批处理时内存占用过多的问题
但是，执行大批量的句柄时我们会发现一个很严重的问题，那就是执行时系统CPU占用率几乎100%，几乎是死机状态了。纠其原因，那是因为在$running>0,执行 curl_multi_exec($mh,$running)而整个批处理句柄没有全部执行完毕时，系统会不停地执行curl_multi_exec()函数。我们用实验来证明：
我们在循环中curl_multi_exec($mh,$running)句前加入一个echo "a";的语句。我们的目的是执行50次对百度的访问，然后来看一下结果。
从图中滚动条的大小(滚动条已经最小状态了)可以大概看出输出a的个数，500个也不止，所以我们便可以找到占用CPU的罪魁祸首了。
cURL批处理时的内存优化方案
进行改动的方式是应用curl函数库中的curl_multi_select()函数，其函数原型如下：
1 2 | <p>int curl_multi_select ( resource $mh [, float $timeout = 1.0 ] )</p>
<p>阻塞直到cURL批处理连接中有活动连接。成功时返回描述符集合中描述符的数量。失败时，select失败时返回-1，否则返回超时(从底层的select系统调用)。</p>
|
登入後複製
我用们curl_multi_select()函数来达到没有需要读取的程序就阻塞住的目的。
我们对批处理的第3、4步进行优化，利用其多线程，模拟并发程序。
很多朋友会对手册中提供的代码心存疑惑（我一开始也是），下面的代码及解释。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 | <span>$running</span> = <span>null</span><span>;
</span><span>do</span><span> {
</span><span>$mrc</span> = curl_multi_exec(<span>$mh</span>, <span>$running</span><span>);
} </span><span>while</span> (<span>$mrc</span> ==<span> CURLM_CALL_MULTI_PERFORM);
</span><span>
<span>while</span> (<span>$running</span> && <span>$mrc</span> ==<span> CURLM_OK) {
</span><span>if</span> (curl_multi_select(<span>$mh</span>) != -1) {<span>
<span>do</span> { <span>
<span>$mrc</span> = curl_multi_exec(<span>$mh</span>, <span>$running</span><span>);
} </span><span>while</span> (<span>$mrc</span> ==<span> CURLM_CALL_MULTI_PERFORM);
}
}</span>
|
登入後複製
这样执行的好处是$mh批处理中的$ch句柄会在读取或写入数据结束后($mrc==CURLM_OK),进入curl_multi_select($mh)的阻塞阶段，而不会在整个$mh批处理执行时不停地执行curl_multi_exec,白白浪费CPU资源。
cURL批处理的内存优化结果
完整代码如下：
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 38 39 40 41 42 43 44 45 46 47 48 49 50 | <?<span>php
</span><span>$chArr</span>=<span>[];
</span><span>for</span>(<span>$i</span>=0;<span>$i</span><50;<span>$i</span>++<span>){
</span><span>$chArr</span>[<span>$i</span>]=curl_init("http://www.baidu.com"<span>);
curl_setopt(</span><span>$chArr</span>[<span>$i</span>],CURLOPT_RETURNTRANSFER,1<span>);
}
</span><span>$mh</span> =<span> curl_multi_init();
</span><span>foreach</span>(<span>$chArr</span> <span>as</span> <span>$k</span> => <span>$ch</span><span>)
curl_multi_add_handle(</span><span>$mh</span>,<span>$ch</span><span>); <br />
</span><span>$running</span> = <span>null</span><span>;
</span><span>do</span><span> {
<br /></span><span> $mrc</span> = curl_multi_exec(<span>$mh</span>, <span>$running</span><span>);
} </span><span>while</span> (<span>$mrc</span> ==<span> CURLM_CALL_MULTI_PERFORM);
</span><span>while</span> (<span>$running</span> && <span>$mrc</span> ==<span> CURLM_OK) {
</span><span>if</span> (curl_multi_select(<span>$mh</span>) != -1<span>) {
</span><span>do</span><span> {
</span><span>$mrc</span> = curl_multi_exec(<span>$mh</span>, <span>$running</span><span>);
} </span><span>while</span> (<span>$mrc</span> ==<span> CURLM_CALL_MULTI_PERFORM);
}
}
</span><span>foreach</span>(<span>$chArr</span> <span>as</span> <span>$k</span> => <span>$ch</span><span>){
</span><span>$result</span>[<span>$k</span>]= curl_multi_getcontent(<span>$ch</span><span>);
curl_multi_remove_handle(</span><span>$mh</span>,<span>$ch</span><span>);
}
curl_multi_close(</span><span>$mh</span><span>);
</span>?>
|
登入後複製
我们再次在 $mrc = curl_multi_exec($mh, $running)句子前加入echo "a";结果如下图：
虽然也不止50次，但是比之未优化前，CPU使用率已经大为改观。
虽然curl函数非常强大，但是我们还是有使用其他函数来发送POST请求的机会，另外也能从更底层了解curl函数，所以本辑也用大很大篇幅在其他函数上。
OK，本辑结束，写这辑博文的同时，我也学习到了很多。如果您觉得本博文对您有帮助，请您点推荐或关注我，我们继续分享我的笔记总结。如果有什么问题，您可以在下方留言讨论，谢谢阅读。
