|
|
個人認(rèn)為影響的原因：
匹配到的圖片url并不是有效的url，文中只是簡單的判斷是否是相對路徑，但是有些url是失效的
解決辦法：就是新增判斷是否是真實有效url的圖片
復(fù)制代碼 代碼如下:
/**
*
*判斷url是否有效
*@param $url string
*@return boole
*/
function relUrl($url){
if(substr($url,0,4)=='http'){
$array = get_headers($url,true);
if(count($array)>0 && is_array($array)){
if(preg_match('/200/', $array[0])){
unset($array);
return true;
}else{
unset($array);
return false;
}
}else{
unset($array);
return false;
}
}else{
return false;
}
}
主要使用get_headers函數(shù)，獲取http請求信息，判斷服務(wù)端反應(yīng)狀態(tài)（200）判斷url是否真實有效。
再次測試采集圖片
結(jié)果比以前還要糟糕，運行的更慢了。
測試的原因就是：
get_headers函數(shù)雖然可以判斷url是否真實有效，但是假如遇到很慢的url資源，因為get-heades請求沒有時間限制，導(dǎo)致這個線程被占用，后續(xù)的請求被阻塞
file_get_content函數(shù)和上面的原因一樣，由于某些慢的url資源都長期占用，阻塞后面的進程被占用，長期阻塞，cpu占用也會增高
解決辦法；
使用curl的多線程，另外curl可以設(shè)置請求時間，遇到很慢的url資源，可以果斷的放棄，這樣沒有阻塞，另外有多線程請求，效率應(yīng)該比較高，參考：《CURL的學(xué)習(xí)和應(yīng)用[附多線程]》，我們再來測試一下；
核心代碼：
復(fù)制代碼 代碼如下:
/**
* curl 多線程
*
* @param array $array 并行網(wǎng)址
* @param int $timeout 超時時間
* @return mix
*/
public function Curl_http($array,$timeout='15'){
$res = array();
$mh = curl_multi_init();//創(chuàng)建多個curl語柄
foreach($array as $k=>$url){
$conn[$k]=curl_init($url);//初始化
curl_setopt($conn[$k], CURLOPT_TIMEOUT, $timeout);//設(shè)置超時時間
curl_setopt($conn[$k], CURLOPT_USERAGENT, 'Mozilla/5.0 (compatible; MSIE 5.01; Windows NT 5.0)');
curl_setopt($conn[$k], CURLOPT_MAXREDIRS, 7);//HTTp定向級別 ，7最高
curl_setopt($conn[$k], CURLOPT_HEADER, false);//這里不要header，加塊效率
curl_setopt($conn[$k], CURLOPT_FOLLOWLOCATION, 1); // 302 redirect
curl_setopt($conn[$k], CURLOPT_RETURNTRANSFER,1);//要求結(jié)果為字符串且輸出到屏幕上
curl_setopt($conn[$k], CURLOPT_HTTPGET, true);
curl_multi_add_handle ($mh,$conn[$k]);
}
//防止死循環(huán)耗死cpu 這段是根據(jù)網(wǎng)上的寫法
do {
$mrc = curl_multi_exec($mh,$active);//當(dāng)無數(shù)據(jù)，active=true
} while ($mrc == CURLM_CALL_MULTI_PERFORM);//當(dāng)正在接受數(shù)據(jù)時
while ($active and $mrc == CURLM_OK) {//當(dāng)無數(shù)據(jù)時或請求暫停時，active=true
if (curl_multi_select($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]);//數(shù)據(jù)轉(zhuǎn)換為array
$header[$k]=curl_getinfo($conn[$k]);//返回http頭信息
curl_close($conn[$k]);//關(guān)閉語柄
curl_multi_remove_handle($mh , $conn[$k]); //釋放資源
}else{
unset($k,$url);
}
}
curl_multi_close($mh);
return $data;
}
//參數(shù)接收
$callback = $_GET['callback'];
$hrefs = $_GET['hrefs'];
$urlarray = explode(',',trim($hrefs,','));
$date = date('Ymd',time());
//實例化
$img = new HttpImg();
$stime = $img->getMicrotime();//開始時間
$data = $img->Curl_http($urlarray,'20');//列表數(shù)據(jù)
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');//全部圖片數(shù)據(jù)二進制
$j = 0;
foreach ((array)$dataimg as $kk=>$vv){
if($vv !=''){
$rand = rand(1000,9999);
$basename = time()."_".$rand.".".jpg;//保存為jpg格式的文件
$fname = './img/'.$date."/"."$basename";
file_put_contents($fname, $vv);
$j++;
echo "創(chuàng)建第".$j."張圖片"."$fname"."<br/>";
}else{
unset($kk,$vv);
}
}
}else{
unset($matches);
}
}
$etime = $img->getMicrotime();//結(jié)束時間
echo "用時".($etime-$stime)."秒";
exit;
測試一下效果
337張圖片用時260秒左右，基本上可以做到一秒內(nèi)就可以采集一張的效果，而且發(fā)現(xiàn)圖片越到優(yōu)勢采集速度越明顯。
我們可以看一下文件命名：也就可以做到同一時刻可以生成10張圖片，
由于采用了20秒請求的時間限制，有些圖片生成后有明顯不全，也就是圖片資源在20秒內(nèi)未能完全采集，這個時間大家可以自行設(shè)置。
php技術(shù)：PHP多線程批量采集下載美女圖片的實現(xiàn)代碼(續(xù))，轉(zhuǎn)載需保留來源！
鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標(biāo)記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。
