PHP模擬發送POST請求之五curl基本使用和多線程優化

今天來介紹PHP模擬發送POST請求的重型武器——cURL函數庫的使用和其多線程的優化方法。

提及cURL函數，可謂是老生常談，但網上許多資料都在關鍵部分語焉不詳，列出一大堆手冊上的東西，搞得我入門時也萬分痛苦，我翻了些資料，結合本身的筆記，總結了這篇博文，但願能給初次接觸cURL的開發者提供一些幫助。

---

 

cURL的基本使用步驟

首先來介紹cURL:

cURL按照HTTP頭信息來模擬瀏覽器傳輸數據，它支持FTP, FTPS, HTTP, HTTPS, DICT, FILE等協議，擁有HTTPS認證，HTTP POST方法，HTTP PUT方法，FTP上傳，HTTP上傳，代理服務器，cookies，用戶名/密碼認證等功能。cURL可謂是實現爬站抓取網頁、POST數據等功能的利器。

使用cURL函數主要分爲四部分：

1.初始化cURL。

2.設置cURL變量，這是cRUL的核心，擴展功能全靠這一步驟。

3.執行cURL,獲取結果。

4.關閉鏈接，回收資源。

$ch = curl_init();//1

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

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

curl_close($ch);//4

另外，咱們還可使用curl_getinfo($ch)函數獲取curl執行的信息，其結果爲一個數組

$info數組的內容包括以下等內容：

• 「url」 //資源網絡地址 
• 「content_type」 //內容編碼 
• 「http_code」 //HTTP狀態碼  
• 「filetime」 //文件建立時間 
• 「total_time」 //總耗時 
• 「size_upload」 //上傳數據的大小 
• 「size_download」 //下載數據的大小 
• 「speed_download」 //下載速度 
• 「speed_upload」 //上傳速度 
• 「download_content_length」//下載內容的長度 
• 「upload_content_length」 //上傳內容的長度 

---

 

cURL的經常使用設置

下面詳細介紹curl使用第二步時經常使用的變量設置，在使用curl函數時，能夠按各類需求來設置。

設置基本信息：

curl_setopt($ch, CURLOPT_URL, $string);//設置curl的目錄地址

curl_setopt($ch, CURLOPT_PORT, $port);//設置鏈接端口，通常不設置默認80

curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);//返回結果流，並非輸出它留待後續處理，通常會設置這一項，稍後處理抓取到的信息，而不是直接輸出出來。

設置POST數據信息：

curl_setopt($ch, CURLOPT_POST, 1);//設置傳送數據方式爲POST

curl_setopt($ch, CURLOPT_POSTFIELDS, $string);//設置要傳輸的數據

設置驗證信息：

curl_setopt($ch, CURLOPT_COOKIE, $string);//設置curl執行時所攜帶的Cookie信息

curl_setopt($ch, CURLOPT_USERAGENT, $string);//設置curl模擬的瀏覽器信息

curl_setopt($ch, CURLOPT_REFERER, $string);//設置header中的referer,有利於破解防盜鏈

curl_setopt($ch, CURLOPT_USERPWD, $string);//傳遞一個鏈接中須要的用戶名和密碼，格式爲："[username]:[password]"

curl_setopt($ch, CURLOPT_FOLLOWLOCATION, 1);//設置容許服務器重定向

設置強化信息：

curl_setopt($ch, CURLOPT_NOBODY, 1);//設置不容許輸出HTML body體，若是在抓取頁面標題等信息時設置此選項會大大加快速度

curl_setopt($ch, CURLOPT_TIMEOUT, $int);//設置容許執行的最長秒數（超時時間），設置數值小的時候，CURL會放棄執行時間長的頁面

curl_setopt($ch, CURLOPT_HEADER, 1);//設置容許將讀取目標時產生的header頭文件包含在輸出流中

---

 

cURL批處理功能的基本使用

固然cURL的功能並不止於此，在手冊上你能夠找到它更多的變量設置。並且cURL最強大的地方在其批處理功能。

cURL的批處理彷佛也很好理解，如下是通常步驟：

1.$mh = curl_multi_init();//初始化一個批處理句柄。

2.curl_multi_add_handle($mh,$ch); //往批處理句柄中添加設置好的$ch句柄。

3.curl_multi_exec($mh,$running);//執行$mh句柄，並將$mh句柄的運行狀態寫入$running變量中

4.當$running爲true時循環執行curl_multi_close()函數

5.循環結束後遍歷$mh句柄，用curl_multi_getcontent()獲取第一個句柄的返回值

6.用curl_multi_remove_handle()將$mh中的句柄移除

7.用curl_multi_close()關閉$mh批處理句柄。

代碼以下：

 <?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批處理時內存佔用過多的問題

可是，執行大批量的句柄時咱們會發現一個很嚴重的問題，那就是執行時系統CPU佔用率幾乎100%，幾乎是死機狀態了。糾其緣由，那是由於在$running>0,執行  curl_multi_exec($mh,$running)而整個批處理句柄沒有所有執行完畢時，系統會不停地執行curl_multi_exec()函數。咱們用實驗來證實：

咱們在循環中curl_multi_exec($mh,$running)句前加入一個echo "a";的語句。咱們的目的是執行50次對百度的訪問，而後來看一下結果。

 

從圖中滾動條的大小(滾動條已經最小狀態了)能夠大概看出輸出a的個數，500個也不止，因此咱們即可以找到佔用CPU的罪魁禍首了。

---

 

cURL批處理時的內存優化方案

進行改動的方式是應用curl函數庫中的curl_multi_select()函數，其函數原型以下：  

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

阻塞直到cURL批處理鏈接中有活動鏈接。成功時返回描述符集合中描述符的數量。失敗時，select失敗時返回-1，不然返回超時(從底層的select系統調用)。

我用們curl_multi_select()函數來達到沒有須要讀取的程序就阻塞住的目的。

咱們對批處理的第三、4步進行優化，利用其多線程，模擬併發程序。

不少朋友會對手冊中提供的代碼心存疑惑（我一開始也是），下面的代碼及解釋。

$running = null;

do {

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

} while ($mrc == CURLM_CALL_MULTI_PERFORM);

//本次循環第一次處理$mh批處理中的$ch句柄，並將$mh批處理的執行狀態寫入$running,當狀態值等於CURLM_CALL_MULTI_PERFORM時，代表數據還在寫入或讀取中，執行循環，當第一次$ch句柄的數據寫入或讀取成功後，狀態值變爲CURLM_OK，跳出本次循環，進入下面的大循環之中。

//$running爲true，即$mh批處理之中還有$ch句柄正待處理，$mrc==CURLM_OK,即上一次$ch句柄的讀取或寫入已經執行完畢。

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

    if (curl_multi_select($mh) != -1) {//$mh批處理中還有可執行的$ch句柄，curl_multi_select($mh) != -1程序退出阻塞狀態。

        do {                            //繼續執行須要處理的$ch句柄。

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

        } while ($mrc == CURLM_CALL_MULTI_PERFORM);

    }

}

這樣執行的好處是$mh批處理中的$ch句柄會在讀取或寫入數據結束後($mrc==CURLM_OK),進入curl_multi_select($mh)的阻塞階段，而不會在整個$mh批處理執行時不停地執行curl_multi_exec,白白浪費CPU資源。

---

 

cURL批處理的內存優化結果

完整代碼以下：

<?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); 

      ?>

咱們再次在 $mrc = curl_multi_exec($mh, $running)句子前加入echo "a";結果以下圖：

雖然也不止50次，可是比之未優化前，CPU使用率已經大爲改觀。

雖然curl函數很是強大，可是咱們仍是有使用其餘函數來發送POST請求的機會，另外也能從更底層瞭解curl函數，因此本輯也用大很大篇幅在其餘函數上。

OK，本輯結束，寫這輯博文的同時，我也學習到了不少。若是您以爲本博文對您有幫助，請您點推薦或關注我，咱們繼續分享個人筆記總結。若是有什麼問題，您能夠在下方留言討論，謝謝閱讀。