大家好
我正在开发一个小型爬虫引擎，并使用 curl 从各种网站请求页面。问题是我应该将 connection_timeout 和超时值设置为什么建议？我通常会抓取的内容是包含大量图像和文本的页面。
最佳答案
cURL 知道两种不同的超时。
对于 CURLOPT_CONNECTTIMEOUT，站点包含多少文本或它引用多少其他资源(如图像)并不重要，因为这是连接超时，甚至服务器也无法知道所请求页面的大小，直到建立连接。
对于 CURLOPT_TIMEOUT 它确实很重要。即使是大页面也只需要在线路上的几个数据包，但服务器可能需要更多时间来组装输出。重定向和其他事物(例如代理)的数量也会显着增加响应时间。
一般来说，超时的“最佳值”取决于您的要求以及网络和服务器的条件。这些条件可能会发生变化。因此没有“一个最好的值(value)”。
我建议使用相当短的超时并稍后重试失败的下载。
顺便说一句，cURL 不会自动下载响应中引用的资源。您必须通过进一步调用 curl_exec(使用新的超时)手动执行此操作。
关于php - curl 超时和连接超时的最佳值，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4665068/