大数据抓取php 大数据抓取客户软件

PHP在最近一年在编程语言排行榜上下滑的原因是什么

主要从两个方面发表一下个人看法：

成都网站设计、成都做网站的开发，更需要了解用户，从用户角度来建设网站，获得较好的用户体验。创新互联公司多年互联网经验，见的多，沟通容易、能帮助客户提出的运营建议。作为成都一家网络公司，打造的就是网站建设产品直销的概念。选择创新互联公司，不只是建站，我们把建站作为产品，不断的更新、完善，让每位来访用户感受到浩方产品的价值服务。

行业变迁

最近两年，我们耳熟能详的技术热词比如：云计算、machine learning、TensorFlow、AI……，基本与PHP都没太大的关系，再比如：（自然语言处理）NLP、（物联网）IoT、big data、区块链（blockchain）……，也基本和PHP没太大的关系；难道说PHP技术不行了？那倒也不是，其根本原因在于技术发展日新月异，开发语言也愈加细分，golang主要用于云计算、Python主要用于神经网络与深度学习、大数据与数据可视化分析有R语言，反观PHP，似乎除了web、及部分APP后端开发，其他专业技术领域有点力不从心，尽管它也在一直寻求新的爆发点。

语言特性

在web开发不甚成熟的时代，PHP以其“开发周期短”、“技术门槛低”的优势吸引了一大批开发人员加入，虽然项目可以很快推上线，但由于“弱类型解释语言”的基因缺陷，在性能优化大行其道的今天，PHP需要补足这一先天缺陷（从PHP5~PHP7就可以看出），这也给很多其他开发语言趁势而上的机会，比如go语言。业务量暴增需要程序能适应更高的并发访问以及更低的延迟，go语言天生的并发编程语言特性就恰好解决这一痛点，我所参与的大部分项目都选择go语言进行数据的云同步。再来说说Python，同样是动态解释型语言，Python的技术应用场景相比PHP而言则多出不少，比如GUI程序开发、机器学习、数据抓取与分析……，一旦项目有大量数据抓取的需求，我的第一选择肯定会是Python，因为在同等开发周期内，Python的效率与执行效果是最优的；所以总的来看，性能不及golang纯粹，应用场景不如Python丰富，却也不能否定“PHP是最好的开发语言”。我一般的技术选型如下：web后端与轻量级APP后台任务用PHP，大数据量吞吐与并发数据传输用golang，大数据抓取与分析用Python，我一直认为“术业有专攻”，没有最好的语言，只有最合适的语言，如果能一枪放倒敌人就没必要与其拼刺刀。

php怎么抓取其它网站数据

可以用以下4个方法来抓取网站 的数据：

1. 用 file_get_contents 以 get 方式获取内容：

?

$url = '';

$html = file_get_contents($url);

echo $html;

2. 用fopen打开url，以get方式获取内容

?

$url = '';

$fp = fopen($url, 'r');

stream_get_meta_data($fp);

$result = '';

while(!feof($fp))

{

$result .= fgets($fp, 1024);

}

echo "url body: $result";

fclose($fp);

3. 用file_get_contents函数,以post方式获取url

?

$data = array(

'foo'='bar',

'baz'='boom',

'site'='',

'name'='nowa magic');

$data = http_build_query($data);

//$postdata = http_build_query($data);

$options = array(

'http' = array(

'method' = 'POST',

'header' = 'Content-type:application/x-www-form-urlencoded',

'content' = $data

//'timeout' = 60 * 60 // 超时时间（单位:s）

)

);

$url = "";

$context = stream_context_create($options);

$result = file_get_contents($url, false, $context);

echo $result;

4、使用curl库，使用curl库之前，可能需要查看一下php.ini是否已经打开了curl扩展

$url = '';

$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);

echo $file_contents;

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；

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