PHP多線程批量採集下載美女圖片的實現代碼(續)

個人認為影響的原因：
匹配到的圖片url並不是有效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

複製代碼 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，擷取http請求資訊，判斷服務端反應狀態（200）判斷url是否真實有效。

再次測試採集圖片
結果比以前還要糟糕，啟動並執行更慢了。

測試的原因就是：
get_headers函數雖然可以判斷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，導致這個線程被佔用，後續的請求被阻塞
file_get_content函數和上面的原因一樣，由於某些慢的url資源都長期佔用，阻塞後面的進程被佔用，長期阻塞，cpu佔用也會增高
解決辦法；
使用curl的多線程，另外curl可以佈建要求時間，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，效率應該比較高，參考：《CURL的學習和應用[附多線程]》，我們再來測試一下；

核心代碼：

複製代碼 代碼如下:/**
* curl 多線程
*
* @param array $array 並行網址
* @param int $timeout 逾時時間
* @return mix
*/
public function Curl_http($array,$timeout='15'){
$res = array();

$mh = curl_multi_init();//建立多個curl語柄

foreach($array as $k=>$url){
$conn[$k]=curl_init($url);//初始化

curl_setopt($conn[$k], CURLOPT_TIMEOUT, $timeout);//設定逾時時間
curl_setopt($conn[$k], CURLOPT_USERAGENT, 'Mozilla/5.0 (compatible; MSIE 5.01; Windows NT 5.0)');
curl_setopt($conn[$k], CURLOPT_MAXREDIRS, 7);//HTTp定向層級 ，7最高
curl_setopt($conn[$k], CURLOPT_HEADER, false);//這裡不要header，加塊效率
curl_setopt($conn[$k], CURLOPT_FOLLOWLOCATION, 1); // 302 redirect
curl_setopt($conn[$k], CURLOPT_RETURNTRANSFER,1);//要求結果為字串且輸出到螢幕上
curl_setopt($conn[$k], CURLOPT_HTTPGET, true);

curl_multi_add_handle ($mh,$conn[$k]);
}
//防止死迴圈耗死cpu 這段是根據網上的寫法
do {
$mrc = curl_multi_exec($mh,$active);//當無資料，active=true
} while ($mrc == CURLM_CALL_MULTI_PERFORM);//當正在接受資料時
while ($active and $mrc == CURLM_OK) {//當無資料時或請求暫停時，active=true
if (curl_multi_select($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]);//資料轉換為array
$header[$k]=curl_getinfo($conn[$k]);//返回http頭資訊
curl_close($conn[$k]);//關閉語柄
curl_multi_remove_handle($mh , $conn[$k]); //釋放資源
}else{
unset($k,$url);
}
}

curl_multi_close($mh);

return $data;

}

//參數接收
$callback = $_GET['callback'];
$hrefs = $_GET['hrefs'];
$urlarray = explode(',',trim($hrefs,','));
$date = date('Ymd',time());
//執行個體化
$img = new HttpImg();
$stime = $img->getMicrotime();//開始時間

$data = $img->Curl_http($urlarray,'20');//列表資料
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');//全部圖片資料二進位
$j = 0;
foreach ((array)$dataimg as $kk=>$vv){
if($vv !=''){
$rand = rand(1000,9999);
$basename = time()."_".$rand.".".jpg;//儲存為jpg格式的檔案
$fname = './img/'.$date."/"."$basename";
file_put_contents($fname, $vv);
$j++;
echo "建立第".$j."張圖片"."$fname"."<br/>";
}else{
unset($kk,$vv);
}
}
}else{
unset($matches);
}
}
$etime = $img->getMicrotime();//結束時間
echo "用時".($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就可以採集一張的效果，而且發現圖片越到優勢採集速度越明顯。

我們可以看一下檔案命名：也就可以做到同一時刻可以產生10張圖片，

由於採用了20秒請求的時間限制，有些圖片產生後有明顯不全，也就是圖片資源在20秒內未能完全採集，這個時間大家可以自行設定。