php使用curl下載指定大小的文件

    php中使用基于libcurl的curl函數，可以對目標url發起http請求并獲取返回的響應內容。通常的請求方式類似如下的代碼：

public function callFunction($url, $postData, $method, header='')
{
    $maxRetryTimes = 3;
    $curl = curl_init();
    /******初始化請求參數start******/
    if(strtoupper($method) !== 'GET' && $postData){
        curl_setopt($curl, CURLOPT_POSTFIELDS, json_encode($postData));
    }elseif (strtoupper($method) === 'GET' && $postData){
        $url .= '?'. http_build_query($postData);
    }
    /******初始化請求參數end******/
    curl_setopt_array($curl, array(
        CURLOPT_URL => $url,
        CURLOPT_TIMEOUT => 10,
        CURLOPT_NOBODY => 0,
        CURLOPT_RETURNTRANSFER => 1
    ));
    if(method == 'POST'){
        curl_setopt($curl, CURLOPT_POST, true);
    }
    if(false == empty()){
        curl_setopt($curl, CURLOPT_HTTPHEADER, $header);
    }
    $response = false;
    while(($response === false) && (--$maxRetryTimes > 0)){
        $response = trim(curl_exec($curl));
    }
    return $response;
}

    上面代碼中的這個$response是curl發起的這次http請求從$url獲取到的數據，如果沒有在$header中通過range來指定要下載的大小，無論這個資源多大，那么都要請求完整的并返回的是這個URI的完整內容。通常只用curl來請求求一些接口或者遠程調用一個函數獲取數據，，所以這個場景下CURLOPT_TIMEOUT這個參數很重要。

    對于curl的使用場景不止訪問數據接口，還要對任意的url資源進行檢測是否能提供正確的http服務。當用戶填入的url是一個資源文件時，例如一個pdf或者ppt之類的，這時候如果網絡狀況較差的情況下用curl請求較大的資源，將不可避免的出現超時或者耗費更多的網絡資源。之前的策略是完全下載（curl會下載存儲在內存中），請求完后檢查內容大小，當超過目標值就把這個監控的任務暫停。這樣事發后限制其實治標不治本，終于客戶提出了新的需求，不能停止任務只下載指定大小的文件并返回md5值由客戶去校驗正確性。

    經過了一些嘗試，解決了這個問題，記錄過程如下文。

    1、嘗試使用 CURLOPT_MAXFILESIZE。

對php和libcurl的版本有版本要求，完全的事前處理，當發現目標大于設置時，直接返回了超過大小限制的錯誤而不去下載目標了，不符合要求。

    2、使用curl下載過程的回調函數。

    參考http://php.net/manual/en/function.curl-setopt-array.php，最終使用了CURLOPT_WRITEFUNCTION參數設置了on_curl_write，該函數將會1s中被回調1次。

$ch = curl_init();
$options = array(CURLOPT_URL        => 'http://www.php.net/',
CURLOPT_HEADER        => false,
CURLOPT_HEADERFUNCTION    => 'on_curl_header',
CURLOPT_WRITEFUNCTION    => 'on_curl_write'
);

    最終我的實現片段：

function on_curl_write($ch, $data)
{
    $pid = getmypid();
    $downloadSizeRecorder = DownloadSizeRecorder::getInstance($pid);
    $bytes = strlen($data);
    $downloadSizeRecorder->downloadData .= $data;
    $downloadSizeRecorder->downloadedFileSize += $bytes;
//    error_log(' on_curl_write '.$downloadSizeRecorder->downloadedFileSize." > {$downloadSizeRecorder->maxSize} \n", 3, '/tmp/hyb.log');
    //確保已經下載的內容略大于最大限制
    if (($downloadSizeRecorder->downloadedFileSize - $bytes) > $downloadSizeRecorder->maxSize) {
        return false;
    }
    return $bytes;  //這個不正確的返回，將會報錯，中斷下載 "errno":23,"errmsg":"Failed writing body (0 != 16384)"
}

    DownloadSizeRecorder是一個單例模式的類，curl下載時記錄大小，實現返回下載內容的md5等。

class DownloadSizeRecorder
{
    const ERROR_FAILED_WRITING = 23; //Failed writing body
    public $downloadedFileSize;
    public $maxSize;
    public $pid;
    public $hasOverMaxSize;
    public $fileFullName;
    public $downloadData;

    private static $selfInstanceList = array();
    public static function getInstance($pid)
    {
        if(!isset(self::$selfInstanceList[$pid])){
            self::$selfInstanceList[$pid] = new self($pid);
        }
        return self::$selfInstanceList[$pid];
    }

    private function __construct($pid)
    {
        $this->pid = $pid;
        $this->downloadedFileSize = 0;
        $this->fileFullName = '';
        $this->hasOverMaxSize = false;
        $this->downloadData = '';
    }

    /**
     * 保存文件
     */
    public function saveMaxSizeData2File(){
        if(empty($resp_data)){
            $resp_data = $this->downloadData;
        }
        $fileFullName = '/tmp/http_'.$this->pid.'_'.time()."_{$this->maxSize}.download";
        if($resp_data && strlen($resp_data)>0)
        {
            list($headerOnly, $bodyOnly) = explode("\r\n\r\n", $resp_data, 2);
            $saveDataLenth = ($this->downloadedFileSize < $this->maxSize) ? $this->downloadedFileSize : $this->maxSize;
            $needSaveData = substr($bodyOnly, 0, $saveDataLenth);
            if(empty($needSaveData)){
                return;
            }
            file_put_contents($fileFullName, $needSaveData);
            if(file_exists($fileFullName)){
                $this->fileFullName = $fileFullName;
            }
        }
    }

    /**
     * 返回文件的md5
     * @return string
     */
    public function returnFileMd5(){
        $md5 = '';
        if(file_exists($this->fileFullName)){
            $md5 = md5_file($this->fileFullName);
        }
        return $md5;
    }

    /**
     * 返回已下載的size
     * @return int
     */
    public function returnSize(){
        return ($this->downloadedFileSize < $this->maxSize) ? $this->downloadedFileSize : $this->maxSize;
    }

    /**
     * 刪除下載的文件
     */
    public function deleteFile(){
        if(file_exists($this->fileFullName)){
            unlink($this->fileFullName);
        }
    }
}

    curl請求的代碼實例中，實現限制下載大小

……
curl_setopt($ch, CURLOPT_WRITEFUNCTION, 'on_curl_write');//設置回調函數
……
$pid = getmypid();
$downloadSizeRecorder = DownloadSizeRecorder::getInstance($pid);
$downloadSizeRecorder->maxSize = $size_limit;
……
//發起curl請求
$response = curl_exec($ch);
……
//保存文件，返回md5
$downloadSizeRecorder->saveMaxSizeData2File();  //保存
$downloadFileMd5 = $downloadSizeRecorder->returnFileMd5();
$downloadedfile_size = $downloadSizeRecorder->returnSize();
$downloadSizeRecorder->deleteFile();

     到這里，踩了一個坑。增加了on_curl_write后，$response會返回true，導致后面取返回內容的時候異常。好在已經實時限制了下載的大小，用downloadData來記錄了已經下載的內容，直接可以使用。

if($response === true){
    $response = $downloadSizeRecorder->downloadData;
}