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。

$ch = curl_init();//1

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

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

curl_close($ch);//4

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:

 <?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

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:  

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

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)。

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。

$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,表明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 {                            //继续执行需要处理的$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

完整代码如下:

<?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); ?>

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。