如何用php 编写网络爬虫?
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了如何用php 编写网络爬虫?相关的知识，希望对你有一定的参考价值。
pcntl_fork或者swoole_process实现多进程并发。按照每个网页抓取耗时500ms，开200个进程，可以实现每秒400个页面的抓取。
curl实现页面抓取，设置cookie可以实现模拟登录
simple_html_dom 实现页面的解析和DOM处理
如果想要模拟浏览器，可以使用casperJS。用swoole扩展封装一个服务接口给php层调用
在这里有一套爬虫系统就是基于上述技术方案实现的，每天会抓取几千万个页面。
以上是关于如何用php 编写网络爬虫?的主要内容，如果未能解决你的问题，请参考以下文章