PHP模拟发送POST请求之五curl基本使用和多线程优化

时间 2019-11-18

标签 php 模拟发送 post 请求之五 curl 基本使用多线程优化栏目 PHP 繁體版

原文原文链接

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。php

提及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，结合本身的笔记，总结了这篇博文，但愿能给初次接触cURL的开发者提供一些帮助。数组

cURL的基本使用步骤浏览器

首先来介绍cURL:服务器

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。cookie

使用cURL函数主要分为四部分：网络

1.初始化cURL。多线程

2.设置cURL变量，这是cRUL的核心，扩展功能全靠这一步骤。并发

3.执行cURL,获取结果。curl

4.关闭链接，回收资源。函数

$ch = curl_init();//1

curl_setopt($ch, CURLOPT_URL, "http://localhost");//2

$output = curl_exec($ch);//3

curl_close($ch);//4

另外，咱们还可使用curl_getinfo($ch)函数获取curl执行的信息，其结果为一个数组

$info数组的内容包括以下等内容：

“url” //资源网络地址
“content_type” //内容编码
“http_code” //HTTP状态码
“filetime” //文件建立时间
“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的经常使用设置

下面详细介绍curl使用第二步时经常使用的变量设置，在使用curl函数时，能够按各类需求来设置。

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);//设置链接端口，通常不设置默认80

curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);//返回结果流，并非输出它留待后续处理，通常会设置这一项，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);//传递一个链接中须要的用户名和密码，格式为："[username]:[password]"

curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);//设置容许服务器重定向

设置强化信息：

curl_setopt($ch, CURLOPT_NOBODY, 1);//设置不容许输出HTML body体，若是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);//设置容许执行的最长秒数（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);//设置容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

固然cURL的功能并不止于此，在手册上你能够找到它更多的变量设置。并且cURL最强大的地方在其批处理功能。

cURL的批处理彷佛也很好理解，如下是通常步骤：

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。

代码以下：

 <?php 

        $chArr=[];

        for($i=0;$i<50;$i++){

            　 $chArr[$i]=curl_init("http://www.baidu.com");

             　curl_setopt($chArr[$i],CURLOPT_RETURNTRANSFER,1);

        }

       $mh = curl_multi_init(); //1

       foreach($chArr as $k => $ch){      

       　　curl_multi_add_handle($mh,$ch); //2
　　　　
　　　　}

       $running = null; 

       do{ 

         　　curl_multi_exec($mh,$running); //3

        }while($running > 0); //4

        foreach($chArr as $k => $ch){ 

              $result[$k]= curl_multi_getcontent($ch); //5

              curl_multi_remove_handle($mh,$ch);//6

        }

        curl_multi_close($mh); //7

      ?>

cURL批处理时内存占用过多的问题

可是，执行大批量的句柄时咱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。纠其缘由，那是由于在$running>0,执行 curl_multi_exec($mh,$running)而整个批处理句柄没有所有执行完毕时，系统会不停地执行curl_multi_exec()函数。咱们用实验来证实：

咱们在循环中curl_multi_exec($mh,$running)句前加入一个echo "a";的语句。咱们的目的是执行50次对百度的访问，而后来看一下结果。

从图中滚动条的大小(滚动条已经最小状态了)能够大概看出输出a的个数，500个也不止，因此咱们即可以找到占用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，其函数原型以下：

int curl_multi_select ( resource $mh [, float $timeout = 1.0 ] )

阻塞直到cURL批处理链接中有活动链接。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，不然返回超时(从底层的select系统调用)。

我用们curl_multi_select()函数来达到没有须要读取的程序就阻塞住的目的。

咱们对批处理的第三、4步进行优化，利用其多线程，模拟并发程序。

不少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。

$running = null;

do {

    $mrc = curl_multi_exec($mh, $running);

} while ($mrc == CURLM_CALL_MULTI_PERFORM);

//本次循环第一次处理$mh批处理中的$ch句柄，并将$mh批处理的执行状态写入$running,当状态值等于CURLM_CALL_MULTI_PERFORM时，代表数据还在写入或读取中，执行循环，当第一次$ch句柄的数据写入或读取成功后，状态值变为CURLM_OK，跳出本次循环，进入下面的大循环之中。

//$running为true，即$mh批处理之中还有$ch句柄正待处理，$mrc==CURLM_OK,即上一次$ch句柄的读取或写入已经执行完毕。

while ($running && $mrc == CURLM_OK) { 

    if (curl_multi_select($mh) != -1) {//$mh批处理中还有可执行的$ch句柄，curl_multi_select($mh) != -1程序退出阻塞状态。

        do {                            //继续执行须要处理的$ch句柄。

            　$mrc = curl_multi_exec($mh, $running);

        } while ($mrc == CURLM_CALL_MULTI_PERFORM);

    }

}

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

完整代码以下：

<?php 

        $chArr=[];

        for($i=0;$i<50;$i++){

        $chArr[$i]=curl_init("http://www.baidu.com");

        curl_setopt($chArr[$i],CURLOPT_RETURNTRANSFER,1);

        }

       $mh = curl_multi_init(); 

        foreach($chArr as $k => $ch)      

        curl_multi_add_handle($mh,$ch); 

        $running = null; 

        do {

　　　　　　　　$mrc = curl_multi_exec($mh, $running);

　　　　　} while ($mrc == CURLM_CALL_MULTI_PERFORM);


　　　　while ($running && $mrc == CURLM_OK) {

   　　　　 　if (curl_multi_select($mh) != -1) {

       　　　　　　do {

            　　　　　　$mrc = curl_multi_exec($mh, $running);

        　　　　　} while ($mrc == CURLM_CALL_MULTI_PERFORM);

    　　　　　}

　　　　}

       foreach($chArr as $k => $ch){ 

               $result[$k]= curl_multi_getcontent($ch); 

               curl_multi_remove_handle($mh,$ch);

       }

        curl_multi_close($mh); 

      ?>

咱们再次在 $mrc = curl_multi_exec($mh, $running)句子前加入echo "a";结果以下图：

虽然也不止50次，可是比之未优化前，CPU使用率已经大为改观。

虽然curl函数很是强大，可是咱们仍是有使用其余函数来发送POST请求的机会，另外也能从更底层了解curl函数，因此本辑也用大很大篇幅在其余函数上。

OK，本辑结束，写这辑博文的同时，我也学习到了不少。若是您以为本博文对您有帮助，请您点推荐或关注我，咱们继续分享个人笔记总结。若是有什么问题，您能够在下方留言讨论，谢谢阅读。