NewSky
Messages postés86Date d'inscriptiondimanche 27 janvier 2002StatutMembreDernière intervention20 février 2009
-
2 avril 2008 à 14:44
malalam
Messages postés10839Date d'inscriptionlundi 24 février 2003StatutMembreDernière intervention 2 mars 2010
-
2 avril 2008 à 20:08
Bonjour,
Le problème que j'ai est peut être du à une mauvaise utilisation de fsockopen().
En fait, dans le but de créer un simple crawler web, j'utilise fsockopen pour me connecter à un site et ainsi récupérer tous les liens internes en récupérant les pages une par une.
J'ai une méthode qui fonctionne :
j'ouvre une connexion avec fsockopen pour chaque page (envoie des en-têtes, récupération des données, traitement, ...)
Je me disais qu'il était possible d'augmenter la rapidité du crawl en n'ouvrant qu'une seule connexion et de gérer l'appelle des page ensuite avec les en-têtes. Mais là, problème :
En effet, la récupération des données ne fonctionne que pour la première page. Mon crawl continue sur les liens récupérés sur cette 1ère page, mais aucune données n'est récupérées. J'ai donc vérifier ( avec stream_get_meta_data() ), et effectivement, lors du 1er passage, <tt class="parameter">eof</tt> passe à TRUE (logique me direz-vous). Du coup, lorsque je veux récupérer les autres données, c'est impossible!
Le fait de renvoyer de nouvelles en-têtes ne ré-initialise pas l'état de la ressource. Il est aussi impossible d'utiliser rewind() ou autre fseek() avec fsockopen.
Existe-t-il une autre façon de procéder d'après vous, ou seule ma 1ère utilisation est la bonne?
Merci d'avance
yoman64
Messages postés962Date d'inscriptionsamedi 19 janvier 2002StatutMembreDernière intervention 2 août 20102 2 avril 2008 à 15:56
Salut,
(Ce message ne t'apportas rien à ton problème puisque je sais que si neigedhiver dit que c'est bien, alors c'est forcément vrai :P)
Donc je voulais savoir, par simple curiosité, à quoi ton crawler sert-il ? J'essais d'imaginer l'application d'un tel script mais je ne trouve rien de concret, si ce n'est que pour apprendre ?
-------------------
Vous cherchez un hebergement Php/MySQL Gratuit et sans publicités ??
Et bien c'est la : www.e3b.org
NewSky
Messages postés86Date d'inscriptiondimanche 27 janvier 2002StatutMembreDernière intervention20 février 2009 2 avril 2008 à 16:29
Multiples utilisations :
<li>Génération de plan sitemap</li><li>Etudes des pages pour un référencement</li><li>tout ce à quoi peut servir un crawler... </li>Ça ne te semble pas pertinent?
yoman64
Messages postés962Date d'inscriptionsamedi 19 janvier 2002StatutMembreDernière intervention 2 août 20102 2 avril 2008 à 17:04
@NewSky: Biensur c'est tout à fait pertinent.Comme j'ai dis c'était par curiosité, je n'ai jamais mis en doute la pertinence de ton projet.
@neigedhiver: Tu as sans doute raison Mais il n'en reste pas moin que tu es un des "experts" de ce site, alors il est rare (enfin...) de devoir te contredire.
-------------------
Vous cherchez un hebergement Php/MySQL Gratuit et sans publicités ??
Et bien c'est la : www.e3b.org
malalam
Messages postés10839Date d'inscriptionlundi 24 février 2003StatutMembreDernière intervention 2 mars 201025 2 avril 2008 à 20:08
hello,
"Il est aussi impossible d'utiliser rewind() ou autre fseek() avec fsockopen."
Ce n'est pas tout à fait vrai. Je te propose une alternative (désolé si je grille l'avis des autres ;-)) :
http://fr2.php.net/manual/en/function.stream-wrapper-register.php Je te laisse fouiller et tâcher de comprendre.