PHP CURL或file_get_contents获取网页标题的代码及两者效率的稳定性问题

Posted 2020-10-04 cagebird

php CURL与file_get_contents函数都可以获取远程服务器上的文件保存到本地，但在性能上面两者完全不在同一个级别，下面我先来介绍PHP CURL或file_get_contents函数应用例子，然后再简单的给各位介绍一下它们的一些小区别吧。

推荐方法 CURL获取

?

1 2 3 4 5 6 7 8 9 10 11 12

<?php $c = curl_init(); $url = ‘www.jb51.net‘; curl_setopt($c, CURLOPT_URL, $url); curl_setopt($c, CURLOPT_RETURNTRANSFER, 1); $data = curl_exec($c); curl_close($c); $pos = strpos($data,‘utf-8‘); if($pos===false){$data = iconv("gbk","utf-8",$data);} preg_match("/<title>(.*)<＼/title>/i",$data, $title); echo $title[1]; ?>

使用file_get_contents

?

1 2 3 4 5 6 7 8 9

<?php $content=file_get_contents("http://www.jb51.net/"); $pos = strpos($content,‘utf-8‘); if($pos===false){$content = iconv("gbk","utf-8",$content);} $postb=strpos($content,‘<title>‘)+7; $poste=strpos($content,‘</title>‘); $length=$poste-$postb; echo substr($content,$postb,$length); ?>

看看file_get_contents性能

1）fopen/file_get_contents 每次请求远程URL中的数据都会重新做DNS查询，并不对DNS信息进行缓存。但是CURL会自动对DNS信息进行缓存。对同一域名下的网页或者图片的请求只需要一次DNS 查询。这大大减少了DNS查询的次数。所以CURL的性能比fopen/file_get_contents 好很多。
2）fopen/file_get_contents在请求HTTP时，使用的是http_fopen_wrapper，不会keeplive。而curl却可以。这样在多次请求多个链接时，curl效率会好一些。(设置header头应该可以)
3）fopen/file_get_contents函数会受到php.ini文件中allow_url_open选项配置的影响。如果该配置关闭了，则该函数也就失效了。而curl不受该配置的影响。
4）curl可以模拟多种请求，例如：POST数据，表单提交等，用户可以按照自己的需求来定制请求。而fopen/file_get_contents只能使用get方式获取数据。
5）fopen/file_get_contents 不能正确下载二进制文件
6）fopen/file_get_contents 不能正确处理ssl请求
7）curl 可以利用多线程
8）使用 file_get_contents 的时候如果 网络出现问题， 很容易堆积一些进程在这里
9）如果是要打一个持续连接，多次请求多个页面。那么file_get_contents就会出问题。取得的内容也可能会不对。所以做一些类似采集工作的时候，肯定就有问题了。对做采集抓取的用curl,如果还有同不相信下面我们再做个测试

curl与file_get_contents性能对比PHP源代码如下：

1829.php

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56

<?php /** * 通过淘宝IP接口获取IP地理位置 * @param string $ip * @return: string **/ function getCityCurl($ip) { $url="http://ip.taobao.com/service/getIpInfo.php?ip=".$ip; $ch = curl_init(); $timeout = 5; curl_setopt ($ch, CURLOPT_URL, $url); curl_setopt ($ch, CURLOPT_RETURNTRANSFER, 1); curl_setopt ($ch, CURLOPT_CONNECTTIMEOUT, $timeout); $file_contents = curl_exec($ch); curl_close($ch); $ipinfo=json_decode($file_contents); if($ipinfo->code==‘1‘){ return false; } $city = $ipinfo->data->region.$ipinfo->data->city; return $city; } function getCity($ip) { $url="http://ip.taobao.com/service/getIpInfo.php?ip=".$ip; $ipinfo=json_decode(file_get_contents($url)); if($ipinfo->code==‘1‘){ return false; } $city = $ipinfo->data->region.$ipinfo->data->city; return $city; } // for file_get_contents $startTime=explode(‘ ‘,microtime()); $startTime=$startTime[0] + $startTime[1]; for($i=1;$i<=10;$i++) { echo getCity("121.207.247.202")."</br>"; } $endTime = explode(‘ ‘,microtime()); $endTime = $endTime[0] + $endTime[1]; $totalTime = $endTime - $startTime; echo ‘file_get_contents:‘.number_format($totalTime, 10, ‘.‘, "")." seconds</br>"; //for curl $startTime2=explode(‘ ‘,microtime()); $startTime2=$startTime2[0] + $startTime2[1]; for($i=1;$i<=10;$i++) { echo getCityCurl(‘121.207.247.202‘)."</br>"; } $endTime2 = explode(‘ ‘,microtime()); $endTime2=$endTime2[0] + $endTime2[1]; $totalTime2 = $endTime2 - $startTime2; echo "curl:".number_format($totalTime2, 10, ‘.‘, "")." seconds"; ?>

测试访问

file_get_contents速度：4.2404510975 seconds
curl速度:2.8205530643 seconds
curl比file_get_contents速度快了30%左右,最重要的是服务器负载更低.

ps：php函数file_get_contents与curl效率及稳定性问题

习惯了使用方便快捷的file_get_contents函数抓取别家网站内容，但是总是会遇到获取失败的问题，尽管按照手册中的例子设置了超时，可多数时候不好使：

$config[‘context‘] = stream_context_create(array(‘http‘ => array(‘method‘ => "GET",‘timeout‘ => 5)));
‘timeout‘ => 5//这个超时时间不稳定，经常不好使。这时候，看一下服务器的连接池，会发现一堆类似下面的错误，让你头疼万分：

file_get_contents(http://***): failed to open stream…

不得已，安装了curl库，写了一个函数替换：

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14

function curl_get_contents($url) { $ch = curl_init(); curl_setopt($ch, CURLOPT_URL, $url); //设置访问的url地址 //curl_setopt($ch,CURLOPT_HEADER,1); //是否显示头部信息 curl_setopt($ch, CURLOPT_TIMEOUT, 5); //设置超时 curl_setopt($ch, CURLOPT_USERAGENT, _USERAGENT_); //用户访问代理 User-Agent curl_setopt($ch, CURLOPT_REFERER,_REFERER_); //设置 referer curl_setopt($ch,CURLOPT_FOLLOWLOCATION,1); //跟踪301 curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1); //返回结果 $r = curl_exec($ch); curl_close($ch); return $r; }

如此，除了真正的网络问题外，没再出现任何问题。

这是别人做过的关于curl和file_get_contents的测试：

file_get_contents抓取google.com需用秒数：

2.31319094
2.30374217
2.21512604
3.30553889
2.30124092

curl使用的时间：

0.68719101
0.64675593
0.64326
0.81983113
0.63956594

差距很大吧？呵呵，从我使用的经验来说，这两个工具不只是速度有差异，稳定性也相差很大。建议对网络数据抓取稳定性要求比较高的朋友使用上面的 curl_file_get_contents函数，不但稳定速度快，还能假冒浏览器欺骗目标地址哦！