如何加快这个PHP脚本的执行速度

时间:2013-08-17 14:01:41

标签: php html-parsing profiling

我已经为webscraping编写了一个脚本,我从页面获取每个链接,并在代码中加载该url,这工作速度非常慢,这对于第一次输出大约需要50秒,并且需要一个年龄来完成大约100个链接,我不知道为什么这个工作如此缓慢,我正在考虑缓存,但不知道这对我们有什么帮助。

1)页面缓存或操作码缓存。

代码是:

public function searchForum(){
        global $wpdb;
        $sUrl = $this->getSearchUrl();
        $this->logToCrawler();
        $cid = $this->getCrawlId();
        $html = file_get_dom($sUrl);

        $c=1;
        foreach($html('div.gridBlobTitle a:first-child') as $element){
            $post_page = file_get_dom($element->href);
            $post_meta = array();
            foreach($post_page('table#mytable img:first-child') as $img){
                if(isset($img->src)){
                    $post_meta['image_main'] =  self::$forumurl.$img->src;          
                }
                else{
                    $post_meta['image_main']=NULL;
                }
            }

            foreach($post_page('table.preferences td:odd') as $elm){
                $post_meta[] = strip_tags($elm->getInnerText());
                unset($elm);
            }

            /*Check if can call getPlainText for description fetch*/

            $object = $post_page('td.collection',2);
            $methodVariable = array($object, 'getPlainText');

            if(is_callable($methodVariable, true, $callable_name)){
                $post_meta['description'] = utf8_encode($object->getPlainText());               
            }
            else{
                $post_meta['description'] = NULL;
            }

            $methodVariable = array($object, 'getInnerText');
            if(is_callable($methodVariable, true, $callable_name)){
                /*Get all the images we found*/
                $rough_html = $object->getInnerText();

                preg_match_all("/<img .*?(?=src)src=\"([^\"]+)\"/si", $rough_html, $matches); 
                $images = array_map('self::addUrlToItems',$matches[1]);
                $images = json_encode($images);
            }

            if($post_meta[8]=='WTB: Want To Buy'){
                $status='buy';
            }
            else{
                $status='sell';             
            }
            $lastdate = strtotime(date('Y-m-d',strtotime("-1 month")));
            $listdate = strtotime(date('Y-m-d',strtotime($post_meta[9])));

            /*Check for date*/
            if($listdate>=$lastdate){

                $wpdb->query("INSERT 
                                    INTO tbl_scrubed_data SET 
                                    keywords='".esc_sql($this->getForumSettings()->search_meta)."',
                                    url_to_post='".esc_sql($element->href)."',
                                    description='".esc_sql($post_meta['description'])."',
                                    date_captured=now(),crawl_id='".$cid."',
                                    image_main='".esc_sql($post_meta['image_main'])."',
                                    images='".esc_sql($images)."',brand='".esc_sql($post_meta[0])."',
                                    series='".esc_sql($post_meta[1])."',model='".esc_sql($post_meta[2])."',
                                    watch_condition='".esc_sql($post_meta[3])."',box='".esc_sql($post_meta[4])."',
                                    papers='".esc_sql($post_meta[5])."',year='".esc_sql($post_meta[6])."',case_size='".esc_sql($post_meta[7])."',status='".esc_sql($post_meta[8])."',listed='".esc_sql($post_meta[9])."',
                                    asking_price='".esc_sql($post_meta[10])."',retail_price='".esc_sql($post_meta[11])."',payment_info='".esc_sql($post_meta[12])."',forum_id='".$this->getForumSettings()->ID."'");    

                unset($element,$post_page,$images);
            } /*END: Check for date*/

        }
        $c++;
    }

注意:
1)我使用[Ganon DOM Parser] [1]来解析HTML。 [1]:https://code.google.com/p/ganon/wiki/AccesElements
2)在Windows XP上使用WAMP,Mysql 5.5 PHP 5.3,1 GB的RAM。
如果您需要更多信息,请发表评论。

由于

1 个答案:

答案 0 :(得分:2)

你需要弄清楚程序的哪些部分很慢。有两种方法可以做到这一点。

1)放入一些打印声明,打印出各个地方的时间,所以你可以说“嘿,看,这需要5秒钟从这里到这里。”

2)使用像xdebug这样的分析器来运行程序并在程序运行时对其进行分析,然后就可以知道代码的哪些部分很慢。

只是看一个程序,你不能说“哦,这是加速的缓慢部分。”在不知道什么是慢的情况下,你可能会浪费时间来加速不是慢速部件的部件。