数据采集必备知识-php计划任务的实现

站点如果做的多了，难免要发些伪原创的文章，文章的来源必然来源于网络采集，对于采集这里不详述，我自己用的是”Simple HTML DOM”，见我另一篇关于他的介绍：

​​数据采集利器-PHP用DOM方式处理HTML之《Simple HTML DOM》​​

数据采集的话，当然可以人工触发，就是每天运行一下脚本，可是这显然不是很完美，如果抓取可以自动定时获取，那么人工运行可执行页面也就省下来了。

其实php有个概念叫计划任务，可以定时运行某程序，比如数据库备份，更新缓存，生成静态页面，生成网站地图等。在采集里面的运用，就是自动采集数据，然后保存到数据库，比如每天凌晨3点运行一次。

以下是PHP用计划任务实现无人自动采集的介绍。

用到了3个函数：

1、ignore_user_abort(setting);

说明：ignore_user_abort() 函数设置与客户机断开是否会终止脚本的执行。本函数返回 user-abort 设置的之前的值（一个布尔值）。

参数：setting 可选。如果设置为 true，则忽略与用户的断开，如果设置为 false，会导致脚本停止运行。如果未设置该参数，会返回当前的设置。

2、void set_time_limit ( int ​​$seconds​​ )

说明：设置脚本的最大运行时间，如果时间到了，本函数会返回错误，单位是秒，默认时间是30秒。

参数：用秒计算的最大运行时间，如果为0，则代表无限时间。

注：采集的话，我们就用无限时间set_time_limit(0);

3、sleep(seconds)

说明：sleep() 函数延迟代码执行若干秒。

参数：必需。以秒计的暂停时间。

先给一个基本的测试程序：

//用户关闭浏览器，程序继续运行
ignore_user_abort ( ) ;
//设定脚本运行无限时间
set_time_limit ( 0 ) ;
//每30秒执行一次
$ interval = 30 ;
do {
$ fp = fopen ( 'text3.txt' , 'a' ) ;
fwrite ( $ fp , 'test' ) ;
fclose ( $ fp ) ;
sleep ( $ interval ) ;
} while ( true ) ;

首先运行该程序，然后关闭该页面，程序仍然运行中，test会每隔30秒的填补到text3.txt文件。

最后根据php手册简单介绍一些相关的知识：

1、连接处理

在 PHP 内部，系统维护着连接状态，其状态有三种可能的情况：

0 – NORMAL（正常）
1 – ABORTED（异常退出）
2 – TIMEOUT（超时）

当 PHP 脚本正常地运行 NORMAL 状态时，连接为有效。当远程客户端中断连接时，ABORTED 状态的标记将会被打开。远程客户端连接的中断通常是由用户点击 STOP 按钮导致的。当连接时间超过 PHP 的时限时，TIMEOUT 状态的标记将被打开。

可以决定脚本是否需要在客户端中断连接时退出。有时候让脚本完整地运行会带来很多方便，即使没有远程浏览器接受脚本的输出。默认的情况是当远程客户端连接中断时脚本将会退出。该处理过程可由 php.ini 的 ignore_user_abort 或由 Apache .conf 设置中对应的”php_value ignore_user_abort”以及 ignore_user_abort() 函数来控制。如果没有告诉 PHP 忽略用户的中断，脚本将会被中断，除非通过 register_shutdown_function() 设置了关闭触发函数。通过该关闭触发函数，当远程用户点击 STOP 按钮后，脚本再次尝试输出数据时，PHP 将会检测到连接已被中断，并调用关闭触发函数。

脚本也有可能被内置的脚本计时器中断。默认的超时限制为 30 秒。这个值可以通过设置 php.ini 的 max_execution_time 或 Apache .conf 设置中对应的”php_value max_execution_time”参数或者 set_time_limit() 函数来更改。当计数器超时的时候，脚本将会类似于以上连接中断的情况退出，先前被注册过的关闭触发函数也将在这时被执行。在该关闭触发函数中，可以通过调用 connection_status() 函数来检查超时是否导致关闭触发函数被调用。如果超时导致了关闭触发函数的调用，该函数将返回 2。

需要注意的一点是 ABORTED 和 TIMEOUT 状态可以同时有效。这在告诉 PHP 忽略用户的退出操作时是可能的。PHP 将仍然注意用户已经中断了连接但脚本仍然在运行的情况。如果到了运行的时间限制，脚本将被退出，设置过的关闭触发函数也将被执行。在这时会发现函数 connection_status() 返回 3。

2、相关函数：

• int ignore_user_abort ( [bool setting] )

Set whether a client disconnect should abort script execution。

Sets whether a client disconnect should cause a script to be aborted.

When running PHP as a command line script, and the script’s tty goes away without the script being terminated then the script will die the next time it tries to write anything, unless ​​value​​​ is set to ​​TRUE​​

• int connection_aborted ( void )

Check whether client disconnected

• int connection_status ( void )

Returns connection status bitfield