README

一个用于在保持一致数量的并发连接的同时获取大量资源的cURL库

作者

Jeff Minard (jrm.cc)
Josh Fraser (joshfraser.com)
Alexander Makarov (rmcreative.ru)

概述

RollingCurl是curl_multi()的一个更有效的实现。

curl_multi是在PHP中并行处理多个HTTP请求的好方法，但存在一些问题

curl_multi的文档非常晦涩难懂，因此很容易实现错误或不理想
大多数curl_multi示例会将所有请求排队并一次性执行它们

第二个问题有两个重要原因

如果您必须等待每个请求完成，则您的程序将因运行时间最长的请求而被“阻塞”。
更重要的是，当您同时运行大量cURL请求时，您实际上是在运行一个DOS攻击。如果您需要获取数百甚至数千个URL，您很可能会被自动DOS系统阻止。最坏的情况是，您并不是一个尊重网络的网民。

RollingCurl通过保持最大数量的并发请求，并在现有请求完成时“滚动”新请求进入队列来解决这两个问题。当请求完成时，在仍有其他请求运行时，RollingCurl可以运行一个匿名函数来处理获取的结果。（如果您愿意，您可以选择跳过该函数，在所有请求完成后一次性处理所有请求。）

安装（通过composer）

获取composer 并将其添加到composer.json的requires部分

{
    "require": {
        "chuyskywalker/rolling-curl": "*"
    }
}

然后

composer install

用法

基本示例

$rollingCurl = new \RollingCurl\RollingCurl();
$rollingCurl
    ->get('http://yahoo.com')
    ->get('http://google.com')
    ->get('http://hotmail.com')
    ->get('http://msn.com')
    ->get('http://reddit.com')
    ->setCallback(function(\RollingCurl\Request $request, \RollingCurl\RollingCurl $rollingCurl) {
        // parsing html with regex is evil (http://bit.ly/3x9sQX), but this is just a demo
        if (preg_match("#<title>(.*)</title>#i", $request->getResponseText(), $out)) {
            $title = $out[1];
        }
        else {
            $title = '[No Title Tag Found]';
        }
        echo "Fetch complete for (" . $request->getUrl() . ") $title " . PHP_EOL;
    })
    ->setSimultaneousLimit(3)
    ->execute();

抓取大量页面

让我们抓取谷歌关于“curl”的前500个链接和标题

$rollingCurl = new \RollingCurl\RollingCurl();
for ($i = 0; $i <= 500; $i+=10) {
    // https://www.google.com/search?q=curl&start=10
    $rollingCurl->get('https://www.google.com/search?q=curl&start=' . $i);
}

$results = array();

$start = microtime(true);
echo "Fetching..." . PHP_EOL;
$rollingCurl
    ->setCallback(function(\RollingCurl\Request $request, \RollingCurl\RollingCurl $rollingCurl) use (&$results) {
        if (preg_match_all('#<h3 class="r"><a href="([^"]+)">(.*)</a></h3>#iU', $request->getResponseText(), $out)) {
            foreach ($out[1] as $idx => $url) {
                parse_str(parse_url($url, PHP_URL_QUERY), $params);
                $results[$params['q']] = strip_tags($out[2][$idx]);
            }
        }

        // Clear list of completed requests and prune pending request queue to avoid memory growth
        $rollingCurl->clearCompleted();
        $rollingCurl->prunePendingRequestQueue();

        echo "Fetch complete for (" . $request->getUrl() . ")" . PHP_EOL;
    })
    ->setSimultaneousLimit(10)
    ->execute();
;
echo "...done in " . (microtime(true) - $start) . PHP_EOL;

echo "All results: " . PHP_EOL;
print_r($results);

设置自定义cURL选项

对每个请求

$rollingCurl = new \RollingCurl\RollingCurl();
$rollingCurl
    // setOptions will overwrite all the default options.
    // addOptions is probably a better choice
    ->setOptions(array(
        CURLOPT_HEADER => true,
        CURLOPT_NOBODY => true
    ))
    ->get('http://yahoo.com')
    ->get('http://google.com')
    ->get('http://hotmail.com')
    ->get('http://msn.com')
    ->get('http://reddit.com')
    ->setCallback(function(\RollingCurl\Request $request, \RollingCurl\RollingCurl $rollingCurl) {
        echo "Fetch complete for (" . $request->getUrl() . ")" . PHP_EOL;
    })
    ->setSimultaneousLimit(3)
    ->execute();

对单个请求

$rollingCurl = new \RollingCurl\RollingCurl();

$sites = array(
    'http://yahoo.com' => array(
        CURLOPT_TIMEOUT => 15
    ),
    'http://google.com' => array(
        CURLOPT_TIMEOUT => 5
    ),
    'http://hotmail.com' => array(
        CURLOPT_TIMEOUT => 10
    ),
    'http://msn.com' => array(
        CURLOPT_TIMEOUT => 10
    ),
    'http://reddit.com' => array(
        CURLOPT_TIMEOUT => 25
    ),
);

foreach ($sites as $url => $options) {
    $request = new \RollingCurl\Request($url);
    $rollingCurl->add(
        $request->addOptions($options)
    );
}

$rollingCurl->execute();

更多示例可以在examples/目录中找到。

待办事项

PHPUnit测试
确保PSR规范兼容性
修复待办事项
在setter上更好的验证

欢迎fork和pull request以帮助解决上述问题。 :D

类似项目

http://code.google.com/p/multirequest/

chuyskywalker / rolling-curl

维护者

详情