php使用pthreads v3多线程实现抓取新浪新闻信息操作示例
作者:怀素真 时间:2023-10-12 19:21:46
本文实例讲述了php使用pthreads v3多线程实现抓取新浪新闻信息。分享给大家供大家参考,具体如下:
我们使用pthreads,来写一个多线程的抓取页面小程序,把结果存到数据库里。
数据表结构如下:
CREATE TABLE `tb_sina` (
`id` int(11) unsigned NOT NULL AUTO_INCREMENT COMMENT 'ID',
`url` varchar(256) DEFAULT '' COMMENT 'url地址',
`title` varchar(128) DEFAULT '' COMMENT '标题',
`time` datetime DEFAULT NULL ON UPDATE CURRENT_TIMESTAMP COMMENT '时间',
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='sina新闻';
代码如下:
<?php
class DB extends Worker
{
private static $db;
private $dsn;
private $root;
private $pwd;
public function __construct($dsn, $root, $pwd)
{
$this->dsn = $dsn;
$this->root = $root;
$this->pwd = $pwd;
}
public function run()
{
//创建连接对象
self::$db = new PDO($this->dsn, $this->root, $this->pwd);
//把require放到worker线程中,不要放到主线程中,不然会报错找不到类
require './vendor/autoload.php';
}
//返回一个连接资源
public function getConn()
{
return self::$db;
}
}
class Sina extends Thread
{
private $name;
private $url;
public function __construct($name, $url)
{
$this->name = $name;
$this->url = $url;
}
public function run()
{
$db = $this->worker->getConn();
if (empty($db) || empty($this->url)) {
return false;
}
$content = file_get_contents($this->url);
if (!empty($content)) {
//获取标题,地址,时间
$data = QL\QueryList::Query($content, [
'tit' => ['.c_tit > a', 'text'],
'url' => ['.c_tit > a', 'href'],
'time' => ['.c_time', 'text'],
], '', 'UTF-8', 'GB2312')->getData();
//把获取的数据插入数据库
if (!empty($data)) {
$sql = 'INSERT INTO tb_sina(`url`, `title`, `time`) VALUES';
foreach ($data as $row) {
//修改下时间,新浪的时间格式是这样的04-23 15:30
$time = date('Y') . '-' . $row['time'] . ':00';
$sql .= "('{$row['url']}', '{$row['tit']}', '{$time}'),";
}
$sql = rtrim($sql, ',');
$ret = $db->exec($sql);
if ($ret !== false) {
echo "线程{$this->name}成功插入{$ret}条数据\n";
} else {
var_dump($db->errorInfo());
}
}
}
}
}
//抓取页面地址
$url = 'http://roll.news.sina.com.cn/s/channel.php?ch=01#col=89&spec=&type=&ch=01&k=&offset_page=0&offset_num=0&num=60&asc=&page=';
//创建pool池
$pool = new Pool(5, 'DB', ['mysql:dbname=test;host=192.168.33.226', 'root', '']);
//获取100个分页数据
for ($ix = 1; $ix <= 100; $ix++) {
$pool->submit(new Sina($ix, $url . $ix));
}
//循环收集垃圾,阻塞主线程,等待子线程结束
while ($pool->collect()) ;
$pool->shutdown();
由于使用到了QueryList,大家可以通过composer进行安装。
composer require jaeger/querylist
不过安装的版本是3.2,在我的php7.2下会有问题,由于each()已经被废弃,所以修改下源码,each()全换成foreach()就好了。
运行结果如下:
数据也保存进了数据库
当然大家也可以再次通过url,拿到具体的页面内容,这里就不做演示了,有兴趣的可以自已去实现。
希望本文所述对大家PHP程序设计有所帮助。
来源:https://www.cnblogs.com/jkko123/p/8921260.html
标签:php,pthreads,多线程,抓取新浪新闻
0
投稿
猜你喜欢
大内存SQL Server数据库的加速剂
2009-03-06 14:18:00
ASP名次排列函数
2008-07-20 13:42:00
彻底解决MySql在UTF8字符集下乱码问题
2011-06-02 12:02:00
windows、linux下打包Python3程序详细方法
2023-09-30 22:06:53
网站tab导航的设计
2008-11-10 12:36:00
ASP 高级模板引擎实现类
2011-03-25 10:54:00
[原创][分享]数字格式化转换
2011-07-04 12:20:15
网页中英文混排行高不等问题
2008-08-26 17:03:00
apache集成php7.3.5的详细步骤
2023-08-20 16:31:05
菜鸟大讲堂:如何查看mysql版本的四种方法
2009-09-05 09:54:00
能否推荐一个论坛用的数据库结构?
2009-11-01 18:09:00
JavaScript中的函数声明和函数表达式区别浅析
2023-08-05 23:22:36
python密码学简单替代密码解密及测试教程
2023-09-30 08:13:00
如何判断SQL语句是否执行了?
2010-01-12 20:03:00
网页制作 JSP与ASP 的比较
2005-08-10 16:00:00
兼容所有浏览器的设为首页与显示小策略
2009-01-12 18:50:00
Oracle的数据字典技术简析
2010-07-20 13:03:00
解析Go 中的 rune 类型
2023-09-19 11:59:16
Javascript: 为<input>设置readOnly属性问题,希望大家以后要小心
2009-07-23 20:24:00
一个简单的ASP生成HTML分页程序
2009-07-05 18:32:00