PHP多進程編程（三）多進程抓取網頁的示範

要理解這個部分的代碼，請閱讀：

PHP多進程編程（一）

PHP多進程編程（二）管道通訊

我們知道，從父進程到子經常的資料傳遞相對比較容易一些，但是從子進程傳遞到父進程就比較的困難。

有很多辦法實現進程互動，在php中比較方便的是 管道通訊。當然，還可以通過 socket_pair 進行通訊。

首先是伺服器為了應對每一個請求要做的事情（發送一個url 序列，url序列用t 分割。而結束標記是 n）

function clientHandle($msgsock, $obj){    $nbuf = '';    socket_set_block($msgsock);    do {        if (false === ($buf = @socket_read($msgsock, 2048, PHP_NORMAL_READ))) {            $obj->error("socket_read() failed: reason: " . socket_strerror(socket_last_error($msgsock)));            break;        }        $nbuf .= $buf;        if (substr($nbuf, -1) != "\n") {            continue;        }        $nbuf = trim($nbuf);        if ($nbuf == 'quit') {            break;        }        if ($nbuf == 'shutdown') {            break;        }        $url = explode("\t", $nbuf);        $nbuf = '';        $talkback = serialize(read_ntitle($url));        socket_write($msgsock, $talkback, strlen($talkback));        debug("write to the client\n");        break;    } while (true);}

上面代碼比較關鍵的一個部分是 read_ntitle，這個函數實現多線程的讀取標題。

代碼如下：（為每一個url fork 一個線程，然後開啟管道 ，讀取到的標題寫入到管道裡面去，主線程一直的在讀取管道資料，直到所有的資料讀取完畢，最後刪除管道）

function read_ntitle($arr){    $pipe = new Pipe("multi-read");    foreach ($arr as $k => $item)    {        $pids[$k] = pcntl_fork();        if(!$pids[$k])        {             $pipe->open_write();             $pid = posix_getpid();             $content = base64_encode(read_title($item));             $pipe->write("$k,$content\n");             $pipe->close_write();             debug("$k: write success!\n");             exit;        }    }    debug("read begin!\n");    $data = $pipe->read_all();    debug("read end!\n");$pipe->rm_pipe();return parse_data($data);}parse_data 代碼如下，非常的簡單，就不說了。parse_data  代碼如下，非常的簡單，就不說了。function parse_data($data){    $data = explode("\n", $data);    $new = array();    foreach ($data as $value)    {        $value = explode(",", $value);        if (count($value) == 2) {            $value[1] = base64_decode($value[1]);            $new[intval($value[0])] = $value[1];        }    }    ksort($new, SORT_NUMERIC);    return $new;}

上面代碼中，還有一個函數read_title 比較有技巧。為了相容性，我沒有採用curl，而是直接採用socket 通訊。

在下載到 title 標籤後，就停止讀取內容，以節省時間。代碼如下：

function read_title($url){    $url_info = parse_url($url);    if (!isset($url_info['host']) || !isset($url_info['scheme'])) {     return false;    }    $host = $url_info['host'];     $port = isset($url_info['port']) ? $url_info['port'] : null; $path = isset($url_info['path']) ? $url_info['path']  : "/"; if(isset($url_info['query'])) $path .= "?".$url_info['query']; if(empty($port)){  $port = 80; } if ($url_info['scheme'] == 'https'){  $port = 443; } if ($url_info['scheme'] == 'http') {  $port = 80; }    $out = "GET $path HTTP/1.1\r\n";    $out .= "Host: $host\r\n";    $out .= "User-Agent: Mozilla/5.0 (Windows; U; Windows NT 5.1; zh-CN; rv:1.9.1.7)\r\n";    $out .= "Connection: Close\r\n\r\n";    $fp = fsockopen($host, $port, $errno, $errstr, 5);    if ($fp == NULL) {     error("get title from $url, error. $errno: $errstr \n");     return false;    }    fwrite($fp, $out);    $content = '';    while (!feof($fp)) {        $content .= fgets($fp, 1024);        if (preg_match("/(.*?)<\/title>/is", $content, $matches)) {             fclose($fp);            return encode_to_utf8($matches[1]);        }    }    fclose($fp);    return false;}function encode_to_utf8($string) {     return mb_convert_encoding($string, "UTF-8", mb_detect_encoding($string, "UTF-8, GB2312, ISO-8859-1", true));}</pre>   
這裡，我只是檢測了 三種最常見的編碼。其他的代碼都很簡單，這些代碼都是測試用的，如果你要做這樣一個伺服器，一定要進行最佳化處理。特別是，要防止一次開啟太多的進程，你要做更多的處理。
   
很多時候，我們抱怨php 不支援多進程，實際上，php是支援多進程的。當然，沒有那麼多的進程通訊的選項，而多進程的核心就在於進程的通訊與同步。在web開發中，這樣的多線程基本上是不會使用的，因為有很嚴重的效能問題。要實現比較簡單的多進程，高負載，必須藉助其擴充。
