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() 的更高效实现。

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

curl_multi 的文档非常晦涩难懂，因此很容易错误或低效地实现
大多数 curl_multi 示例会将所有请求排队并一次性执行

第二个问题最重要，原因有两个

如果你必须等待每个请求都完成，你的程序会被运行时间最长的请求“阻塞”。
更重要的是，当你同时运行大量的 cURL 请求时，你实际上是在进行一次 DOS 攻击。如果你需要获取成百上千的 URL，你很可能会被自动 DOS 系统阻止。最糟糕的情况是你不是一个尊重互联网的公民。

RollingCurl 通过维护最大数量的并发请求并在现有请求完成后将新请求“滚动”到队列中来处理这两个问题。当请求完成时，并且当其他请求仍在运行时，RollingCurl 可以运行一个匿名函数来处理获取到的结果。（你也可以选择跳过该函数，而是在所有请求完成后一次性处理，如果你更喜欢这样做的话。）

安装（通过 composer）

获取 composer 并将其添加到你的 composer.json 文件的要求部分

{
    "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();

获取非常大量的页面

让我们抓取谷歌上的“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

对于每个请求

$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();

对于单个请求

$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 兼容性
修复 TODOs
在设置器上执行更好的验证

请随意分支并提交 pull request 来帮助解决上述问题。 :D

类似的项目

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

themismin / rolling-curl

维护者

详细信息