php和python写爬虫-为什么写爬虫都喜欢用python?
可能很多人以为PHP只能做做网页,不知道PHP也有Simple-HTML-DOM , phpQuery, Ganon这些现成的DOM操作库吧,可能以为PHP只能自己从头用fopen/file_get_contents/curl/preg从头写吧,可能也不知道PHP有多线程pthreads或者不知道curl_multi并行发起请求吧.
例1:simple_html_dom.php采集PHP官网首页新闻发布时间/标题/内容
<?php
require dirname(__FILE__).'/simple_html_dom.php';
$html = file_get_html('http://cn2.php.net');
$news = array();
foreach($html->find('article.newsentry') as $article) {
$item['time'] = trim($article->find('time', 0)->plaintext);
$item['title'] = trim($article->find('h2.newstitle', 0)->plaintext);
$item['content'] = trim($article->find('div.newscontent', 0)->plaintext);
$news[] = $item;
}
var_export($news);
例2:curl_multi并行发起多个请求
接口1: php -S 127.0.0.1:8080 -t /home/eechen/www
接口2: php -S 127.0.0.2:8080 -t /home/eechen/www
/home/eechen/www/index.php:
header('Content-Type: application/json; charset=utf-8');
echo json_encode(array('SERVER_NAME' => $_SERVER['SERVER_NAME']));
//串行访问需要sum(2,1)秒,并行访问需要max(2,1)秒.
($_SERVER['SERVER_NAME'] == '127.0.0.1') ? sleep(2) : sleep(1);
<?php
$url[] = 'http://127.0.0.1:8080';
$url[] = 'http://127.0.0.2:8080';
$mh = curl_multi_init();
foreach($url as $k => $v) {
$ch[$k] = curl_init($v);
curl_setopt($ch[$k], CURLOPT_HEADER, 0); //不输出头
curl_setopt($ch[$k], CURLOPT_RETURNTRANSFER, 1); //exec返回结果而不是输出,用于赋值
curl_multi_add_handle($mh, $ch[$k]); //决定exec输出顺序
}
$running = null;
$starttime = microtime(true);
do { //执行批处理句柄
curl_multi_exec($mh, $running); //CURLOPT_RETURNTRANSFER如果为0,这里会直接输出获取到的内容.如果为1,后面可以用curl_multi_getcontent获取内容.
curl_multi_select($mh); //阻塞直到cURL批处理连接中有活动连接,不加这个会导致CPU负载超过90%.
} while ($running > 0);
echo microtime(true) - $starttime." "; //耗时约2秒
foreach($ch as $v) {
$json[] = curl_multi_getcontent($v);
curl_multi_remove_handle($mh, $v);
}
curl_multi_close($mh);
var_export($json);
例3:PHP使用多线程异步获取资源
<?php
class Request extends Thread {
public $url;
public $data;
public function __construct($url) {
$this->url = $url;
}
public function run() {
// 线程处理一个耗时5秒的任务
for($i=0;$i<5;$i++) {
echo '线程: '.date('H:i:s')." ";
sleep(1);
}
$response = file_get_contents($this->url);
if ($response) {
$this->data = array($response);
}
echo "线程: 任务完成 ";
}
}
$request = new Request('hello.html');
// 运行线程:start()方法会触发run()运行
if ($request->start()) {
// 主进程处理一个耗时10秒的任务,此时线程已经工作
for($i=0;$i<10;$i++) {
echo '进程: '.date('H:i:s')." ";
sleep(1);
}
// 同步线程并输出线程返回的数据
$request->join();
echo '线程返回数据: '.$request->data[0];
}
/*
如果顺序执行,合计时间将是15秒,借助线程,则只需10秒.
生成文件: echo 'Hello' > hello.html
运行计时: time php req.php
查看线程: ps -efL|head -n1 && ps -efL|grep php
*/
php和python写爬虫-为什么写爬虫都喜欢用python?相关推荐
- 为什么多迪技术人员都喜欢用python写爬虫?
有更加成熟的一种爬虫脚本语言,而非框架.是通用的爬虫软件ForeSpider,内部自带了一套爬虫脚本语言.很多同学学php的,但是也自学过python,对php了解还是比较深的,为什么多迪技术人员都喜 ...
- 为什么都喜欢用Python?Python/PHP/Java全面对比
选择要学习的技术和选择要上的大学一样重要,如果选错了,你将来不仅得不到自己喜欢的高薪工作,反而会弄得一堆麻烦.如果你打开了这篇文章,说明你已经考虑选择Python开发作为你以后的职业了.在这篇文章里, ...
- 小学生学python到底能干什么-颤抖 | 小学生都开始学Python了,十年后你还有工作么?...
原标题:颤抖 | 小学生都开始学Python了,十年后你还有工作么? 今 日 摘 要 AI火爆全球,Python技能需求达到174%!小学生已经开始学Python,还成为高考必备项目,十年后你还有工作 ...
- c语言爬虫和python爬虫_为什么写爬虫都喜欢用python?
可能很多人以为PHP只能做做网页,不知道PHP也有Simple-HTML-DOM , phpQuery, Ganon这些现成的DOM操作库吧,可能以为PHP只能自己从头用fopen/file_get_ ...
- 帮我写一个批量取消抖音喜欢的Python代码
我可以提供一段Python代码,用于批量取消抖音喜欢:import requests# 设置抖音 App 的 cookie cookies = {'cookie': 'your_cookie'}# 设 ...
- python docx 复制_99%的人都不知道的Python整理文件方法,效率提升100倍
现在人们经常要去下载或者接收一些文件. 比如说同事传来的文档,自己建立的文件,想看的电影等等,那大家都会怎么处理这些文件呢? 科研工作者.学生们可能需要阅读大量的文献,我们也需要阅读很多的电子书等等, ...
- python那么多库怎么学_为什么大家都在学习python?原因在这里
原标题:为什么大家都在学习python?原因在这里 为什么大家都在学习python? python真的是天生丽质难自弃呀,难怪大家都在学python,这就跟所有姑娘都在追求高富帅,所有男生都在渴望白富 ...
- AI领域都在用Python即将被淘汰?网友预测未来的编程语言不会是TA
网友时隔一年再次发文狂怼Python!人民群众都喜欢的Python为何在未来一定会被淘汰? >>>> 近日,关于一篇关于Python的讨论又重出江湖. 哦,不是这个. 这篇「为 ...
- 小学python都学哪些内容_python是什么?连小学生都开始学Python,你还等什么?
python是什么?别说你不知道了,连小学生都开始学Python了,你还等什么? 最近,据称教育部考试中心发布了"关于全国计算机等级(NCRE)体系调整"的通知,决定自2018年3 ...
最新文章
- 提高IIS网站服务器的效率的八种方法 (转载)
- bootstrap datepicker Uncaught TypeError: Cannot call method 'split' of undefined问题
- 使用bert或者xlnet做预测类的事情
- lua 使用 spine 的一些问题
- 【c++】0.C++笔记
- visual studio 2015安装 无法启动程序,因为计算机丢失D3DCOMPILER_47.dll 的解决方法
- SqlHelper操纵数据库工具类
- curl只能抓取页面的部分内容的原因
- 腾讯云区块链产品负责人邵兵:产业区块链刚刚起步,做好基础设施才有可能进入2.0阶段
- 特征提取方法: one-hot 和 TF-IDF
- python np数组中括号里面‘:n‘与‘n:‘什么意思
- Java自学指南一、找一个开始并能坚持下去的理由
- 简约大气毕业论文答辩PPT模板
- lm75b 读取温度 c语言,STC单片机读取LM75A温度的代码,以及ADC读取电压。给大家分享一下把...
- 第三部分 数据结构 -- 第二章 队列-1362:家庭问题(family)
- 利用VMM建立基于事务的层次化验证平台
- Probability and Hypothesis Testing
- pc调试微信h5页面提示Pending authentication:please accept debugging session on the device的解决方法
- etcd学习和实战:3、go使用etcd实现服务发现和管理
- 简单三步 用Yolov5快速训练自己的数据集
热门文章
- cdn大全 jquery/jqueryUI/Dojo/MooTools/Prototype
- ie支持css3圆角实现的俩种方式
- WEB打印大全(转)
- python 之模块引入
- 1.2.2 OSI参考模型 下
- Educational Codeforces Round 44 (Rated for Div. 2)
- Jzoj3625 旅行(travel)
- 20155213 2016-2017-2 《Java程序设计》第七周学习总结
- android发送短信
- android EditText监听事件及参数详解