我正在尝试使用 curl 编写基于 PHP 的爬虫。我有 20,000-30,000 个我必须抓取的 URL 的数据库。每次调用 curl 来获取网页大约需要 4-5 秒。
如何优化这一点并减少获取页面所需的时间？
问问题
986 次
1 回答
1
你可以使用curl_multi_*它。您附加到一个多句柄的 curl 资源数量就是它将执行的并行请求数量。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，只要运行最慢的请求，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，最好将超时设置为某个可接受的值。
您可以在此处的另一个线程中查看我的回答中的代码示例。
于 2012-12-06T09:15:14.440 回答