php - 为网络爬虫优化 PHP CURL

Question

我正在尝试使用 curl 编写基于 PHP 的爬虫程序。我有 20,000-30,000 个 URL 的数据库，我必须抓取这些 URL。每次调用 curl 以获取网页大约需要 4-5 秒。

我如何优化它并减少获取页面所需的时间？

Answer 1

您可以为此使用 curl_multi_*。您附加到一个多句柄的 curl 资源量就是它将执行的并行请求量。我通常从 20-30 个线程开始，具体取决于返回内容的大小(确保您的脚本不会因内存限制而终止)。

请注意，只要运行最慢 请求，它就会运行。因此，如果请求超时，您可能会等待很长时间。为避免这种情况，将超时设置为某个可接受的值可能是个好主意。

您可以在另一个线程中查看我的回答中的代码示例 here .