file_get_contents與curl效率及穩定性問題

xuebingnan發表於2010-09-03

做過好多抓取別家網站內容的產品，習慣了使用方便快捷的file_get_contents函式，但是總是會遇到獲取失敗的問題，儘管按照手冊中的例子設定了超時，可多數時候不會奏效：

$config['context'] = stream_context_create(array(‘http’ => array(‘method’ => “GET”,
   ’timeout’ => 5//這個超時時間不穩定，經常不奏效
   )
  ));

這時候，看一下伺服器的連線池，會發現一堆類似的錯誤，讓你頭疼萬分：

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

不得已，安裝了curl庫，寫了一個函式替換：

function curl_file_get_contents($durl){
   $ch = curl_init();
   curl_setopt($ch, CURLOPT_URL, $durl);
   curl_setopt($ch, CURLOPT_TIMEOUT, 5);
   curl_setopt($ch, CURLOPT_USERAGENT, _USERAGENT_);
   curl_setopt($ch, CURLOPT_REFERER,_REFERER_);
   curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
   $r = curl_exec($ch);
   curl_close($ch);
   return $r;
 }

如此，除了真正的網路問題外，沒再出現任何問題。

這是別人做過的關於curl和file_get_contents的測試：

file_get_contents抓取google.com需用秒數：

2.31319094
2.30374217
2.21512604
3.30553889
2.30124092

curl使用的時間：

0.68719101
0.64675593
0.64326
0.81983113
0.63956594

差距很大吧？呵呵，從我使用的經驗來說，這兩個工具不只是速度有差異，穩定性也相差很大。建議對網路資料抓取穩定性要求比較高的朋友使用上面的curl_file_get_contents函式，不但穩定速度快，還能假冒瀏覽器欺騙目標地址哦！

相關文章