php1688数据采集 phpcms采集教程

php采集大数据的方案

1、建议你读写数据和下载图片分开，各用不同php1688数据采集的进程完成。

比如说，取数据用get-data.php，下载图片用get-image.php。

2、多进程的话，php可以简单的用pcntl_fork()。这样可以并发多个子进程。

但是php1688数据采集我不建议你用fork，我建议你安装一个gearman worker。这样你要并发几个，就启几个worker，写代码简单，根本不用在代码里考虑thread啊，process等等。

3、综上，解决方案这样：

（1）安装gearman worker。

（2）写一个get-data.php，在crontab里设置它每5分钟执行一次，只负责读数据，然后把读回来的数据一条一条的扔到 gearman worker的队列里php1688数据采集；

然后再写一个处理数据的脚本作为worker，例如叫process-data.php，这个脚本常驻内存。它作为worker从geraman 队列里读出一条一条的数据，然后跟你的数据库老数据比较，进行你的业务逻辑。如果你要10个并发，那就启动10个process-data.php好php1688数据采集了。处理完后，如果图片地址有变动需要下载图片，就把图片地址扔到 gearman worker的另一个队列里。

（3）再写一个download-data.php，作为下载图片的worker，同样，你启动10个20个并发随便你。这个进程也常驻内存运行，从gearman worker的图片数据队列里取数据出来，下载图片

4、常驻进程的话，就是在代码里写个while(true)死循环，让它一直运行好了。如果怕内存泄露啥的，你可以每循环10万次退出一下。然后在crontab里设置，每分钟检查一下进程有没有启动，比如说这样启动3个process-data worker进程：

* * * * * flock -xn /tmp/process-data.1.lock -c '/usr/bin/php /process-data.php /dev/null 21'

* * * * * flock -xn /tmp/process-data.2.lock -c '/usr/bin/php /process-data.php /dev/null 21'

* * * * * flock -xn /tmp/process-data.3.lock -c '/usr/bin/php /process-data.php /dev/null 21'

不知道你明白了没有

相关问答

Q1: phpcms网站建设中采集的方法，怎么样做采集

工具/原料

PHPCMS

文章采集器

方法/步骤

1、首先php1688数据采集我们需要下载并安装GBK格式php1688数据采集的PHPCMS系统。

2、下载PHPCMS和文章采集器的接口文件

3、将jiekou.php文件复制到网站的根目录下，并用记事本打开该文件，修改“密码验证”栏目password处的密码

4、启动文章采集器，先点击【第三步发布内容设置】中的"web发布管理配置"

5、在弹出的【web发布配置管理】窗口中单击右侧的【更多】按钮，导入“phpcms9.wpm”配置模块，并选择该模块

6、设置【web发布配置管理】中的编码设置、登录操作、获取分类栏目等选项

7、单击【测试】按钮，在弹出的【发布配置测试】对话框中设置标签和内容的值，此项为必须设置，否则发布测试文章会失败。至此PHPCMS已经与文章采集器连接成功。

Q2: php 百度 知道数据采集

问题其实不难，自己都能写。给你几个思路吧：

1.在百度知道中，输入linux，然后会出现列表。复制浏览器地址栏内容。

然后翻页，在复制地址栏内容，看看有什么不同，不同之处，就是你要循环分页的i值。

当然这个是笨方法。

2.使用php的file或者file_get_contents函数，获取链接URL的内容。

3.通过php正则表达式，获取你需要的3个字段内容。

4.写入数据库。

需要注意的是，百度知道有可能做了防抓取的功能，你刚一抓几个页面，可能会被禁止。

建议也就抓10页数据。

其实不难，你肯定写的出来。 还有，网上应该有很多抓取工具，你找找看，然后将抓下来的数据

在做分析。写入数据库。

Q3: 怎么用php采集网站数据

简单的分了几个步骤：

1、确定采集目标

2、获取目标远程页面内容（curl、file_get_contents）

3、分析页面html源码，正则匹配你需要的内容（preg_match、preg_match_all），这一步最为重要，不同页面正则匹配规则不一样

4、入库

Q4: php 怎样 采集到 阿里巴巴的商品信息

?php

class alibaba_analyse{

var $code ;

var $price;

var $info;

//你的错误位置, 构造函数是 __construct , 而不是 __constructs

public function __construct($keywords)

{

  //页面是GBK编码,所以需要先转成GBK,在进行URL编码.

  $u = "".urlencode(iconv('UTF-8', 'GB2312', $keywords));

  $this-code = file_get_contents($u);

}

public function  get_price()

{

  /*

  价格 是在 span class="sw-ui-font-priceIcon"450span class="smallSize".00/spanspan class="priceUnit"/span/span这样的字段中.

  而不是在 div class="price f12 c-e1".*([\d\.]+?).*\/div中

  preg_match_all('/div class="price f12 c-e1".*([\d\.]+?).*\/div/sU',$this-code,$price);

  */

  preg_match_all('/span class="sw-ui-font-priceIcon"(\d+)(?:span class="smallSize")([\.\d]{3})?\/span/sU',$this-code,$price , PREG_SET_ORDER);

  

  /*

  得到的数据格式 , 所以需要使用 array_map 整理价格

  Array

  (

      [0] = Array

          (

              [0] = span class="sw-ui-font-priceIcon"570span class="smallSize".00/span

              [1] = 570

              [2] = .00

          )

      ....

  )

  */

  $this-price = array_map(create_function('$a' , 'return $a[1].$a[2];') , $price);

}

               

}

$ali = new alibaba_analyse("联想笔记本");

$ali-get_price();

print_r($ali-price);

代码给出了, 而且经过了测试. 代码中有注解.

你自己拷贝过去试试吧

希望能够采纳!,能当成优质答案就最好啦.!

php1688数据采集的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于phpcms采集教程、php1688数据采集的信息别忘了在本站进行查找喔。