php无内置定时能力，需依赖cron或windows任务计划；禁用sleep()循环模拟，因web服务器会终止、进程易被回收、无法自启、周期不准；应使用绝对路径调用php脚本，开启cron日志，脚本专注单次抓取、过滤数据、写日志，用时间戳和flock防重漏。
PHP 本身没有内置的“定时”能力，cron（Linux）或任务计划程序（Windows）才是真正的定时执行者；PHP 脚本只是被调用的“干活的人”。直接在 PHP 里用 sleep() 或循环模拟定时，生产环境必然失败。
为什么不能用 set_time_limit(0) + while(true) 模拟定时
这种写法看似能“一直跑”，实则问题集中：
- Web 服务器（如 Apache/Nginx）通常会在几十秒内强制终止无响应的请求，
max_execution_time不是唯一限制 - PHP 进程脱离 Web 请求后容易被系统回收（尤其使用 FPM 模式时），无法保证长期存活
- 一旦脚本异常退出，不会自动重启，抓取任务就彻底中断
- 无法精确控制间隔（
sleep()受脚本执行耗时影响，实际周期 = 执行时间 + sleep 时间）
Linux 下用 cron 调用 PHP 脚本的正确写法
这是最稳定、最可控的方式。关键点不在 PHP，而在 cron 表达式和脚本调用路径是否可靠：
- 用绝对路径调用 PHP 解释器：
/usr/bin/php /var/www/project/fetch.php，避免环境变量差异 - 脚本开头加
#!/usr/bin/env php并chmod +x后，可直接写/var/www/project/fetch.php -
cron日志必须开启（/var/log/syslog或crontab -e前加LOGFILE=/var/log/fetch.log），否则失败无声无息 - 避免在脚本中依赖 $_SERVER 或会话（如
$_SESSION），CLI 模式下这些未初始化
示例（每 15 分钟执行一次）：*/15 * * * * /usr/bin/php /var/www/project/fetch.php >> /var/log/fetch.log 2>&1
立即学习“PHP免费学习笔记（深入）”；
PHP 脚本里该做什么、不该做什么
脚本职责必须单一：只负责“这一次抓取”的逻辑，不维护状态、不判断是否该执行——那是 cron 的事：
- 用
file_get_contents()或cURL抓取目标 URL，注意设置超时（curl_setopt($ch, CURLOPT_TIMEOUT, 30)） - 数据入库前务必过滤/转义，尤其是从 HTML 中提取的内容，防止 SQL 注入或 XSS 存储
- 写日志别只靠
echo，用error_log("fetched 12 items", 3, "/var/log/fetch.log")确保 CLI 下可见 - 不要在脚本里写
if (date('H') == '2') { ... }来二次判断时间——cron 已经决定了执行时机，冗余逻辑增加出错面
如何避免重复抓取或漏抓
靠外部调度机制（如 cron）无法 100% 保证不重不漏，需在脚本内加轻量级防护：
- 抓取前检查上一次成功记录的时间戳（存在数据库或文件中），若距今不足设定间隔（如 15 分钟），直接退出
- 用
flock()对锁文件加排他锁，防止同一脚本被 cron 多次触发并发执行（常见于网络延迟导致上轮未结束，下轮又启动） - 抓取完成后，再更新成功时间戳 —— 顺序不能反，否则失败也会被标记为“已完成”
真正难的不是写抓取代码，而是让每次执行都可预期、可追溯、可中断恢复。多数线上故障，源于把“定时”当成 PHP 的事，而忘了它只是被唤起的一次函数调用。
