Maison >développement back-end >tutoriel php >php远程抓取网站图片并保存的代码

php远程抓取网站图片并保存的代码

WBOY
WBOYoriginal
2016-07-25 09:12:591067parcourir

例子,php抓取网站数据的代码。

  1. /**
  2. * 一个用于抓取图片的类
  3. *
  4. * @package default
  5. * @author WuJunwei
  6. */
  7. class download_image
  8. {
  9. public $save_path; //抓取图片的保存地址
  10. //抓取图片的大小限制(单位:字节) 只抓比size比这个限制大的图片
  11. public $img_size=0;
  12. //定义一个静态数组,用于记录曾经抓取过的的超链接地址,避免重复抓取
  13. public static $a_url_arr=array();
  14. /**
  15. * @param String $save_path 抓取图片的保存地址
  16. * @param Int $img_size 抓取图片的保存地址
  17. */
  18. public function __construct($save_path,$img_size)
  19. {
  20. $this->save_path=$save_path;
  21. $this->img_size=$img_size;
  22. }
  23. /**
  24. * 递归下载抓取首页及其子页面图片的方法 ( recursive 递归)
  25. *
  26. * @param String $capture_url 用于抓取图片的网址
  27. *
  28. */
  29. public function recursive_download_images($capture_url)
  30. {
  31. if (!in_array($capture_url,self::$a_url_arr)) //没抓取过
  32. {
  33. self::$a_url_arr[]=$capture_url; //计入静态数组
  34. } else //抓取过,直接退出函数
  35. {
  36. return;
  37. }
  38. $this->download_current_page_images($capture_url); //下载当前页面的所有图片
  39. //用@屏蔽掉因为抓取地址无法读取导致的warning错误
  40. $content=@file_get_contents($capture_url);
  41. //匹配a标签href属性中?之前部分的正则
  42. $a_pattern = "|]+href=['\" ]?([^ '\"?]+)['\" >]|U";
  43. preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER);
  44. $tmp_arr=array(); //定义一个数组,用于存放当前循环下抓取图片的超链接地址
  45. foreach ($a_out as $k => $v)
  46. {
  47. /**
  48. * 去除超链接中的 空'','#','/'和重复值
  49. * 1: 超链接地址的值 不能等于当前抓取页面的url, 否则会陷入死循环
  50. * 2: 超链接为''或'#','/'也是本页面,这样也会陷入死循环,
  51. * 3: 有时一个超连接地址在一个网页中会重复出现多次,如果不去除,会对一个子页面进行重复下载)
  52. */
  53. if ( $v[1] && !in_array($v[1],self::$a_url_arr) &&!in_array($v[1],array('#','/',$capture_url) ) )
  54. {
  55. $tmp_arr[]=$v[1];
  56. }
  57. }
  58. foreach ($tmp_arr as $k => $v)
  59. {
  60. //超链接路径地址
  61. if ( strpos($v, 'http://')!==false ) //如果url包含http://,可以直接访问
  62. {
  63. $a_url = $v;
  64. }else //否则证明是相对地址, 需要重新拼凑超链接的访问地址
  65. {
  66. $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1);
  67. $a_url=$domain_url.$v;
  68. }
  69. $this->recursive_download_images($a_url);
  70. }
  71. }
  72. /**
  73. * 下载当前网页下的所有图片
  74. *
  75. * @param String $capture_url 用于抓取图片的网页地址
  76. * @return Array 当前网页上所有图片img标签url地址的一个数组
  77. */
  78. public function download_current_page_images($capture_url)
  79. {
  80. $content=@file_get_contents($capture_url); //屏蔽warning错误
  81. //匹配img标签src属性中?之前部分的正则
  82. $img_pattern = "|php远程抓取网站图片并保存的代码 ]+src=['\" ]?([^ '\"?]+)['\" >]|U";
  83. preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);
  84. $photo_num = count($img_out);
  85. //匹配到的图片数量
  86. echo '

    '.$capture_url . "共找到 " . $photo_num . " 张图片

    ";
  87. foreach ($img_out as $k => $v)
  88. {
  89. $this->save_one_img($capture_url,$v[1]);
  90. }
  91. }
  92. /**
  93. * 保存单个图片的方法
  94. *
  95. * @param String $capture_url 用于抓取图片的网页地址
  96. * @param String $img_url 需要保存的图片的url
  97. *
  98. */
  99. public function save_one_img($capture_url,$img_url)
  100. {
  101. //图片路径地址
  102. if ( strpos($img_url, 'http://')!==false )
  103. {
  104. // $img_url = $img_url;
  105. }else
  106. {
  107. $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1);
  108. $img_url=$domain_url.$img_url;
  109. }
  110. $pathinfo = pathinfo($img_url); //获取图片路径信息
  111. $pic_name=$pathinfo['basename']; //获取图片的名字
  112. if (file_exists($this->save_path.$pic_name)) //如果图片存在,证明已经被抓取过,退出函数
  113. {
  114. echo $img_url . '该图片已经抓取过!
    ';
  115. return;
  116. }
  117. //将图片内容读入一个字符串
  118. $img_data = @file_get_contents($img_url); //屏蔽掉因为图片地址无法读取导致的warning错误
  119. if ( strlen($img_data) > $this->img_size ) //下载size比限制大的图片
  120. {
  121. $img_size = file_put_contents($this->save_path . $pic_name, $img_data);
  122. if ($img_size)
  123. {
  124. echo $img_url . '图片保存成功!
    ';
  125. } else
  126. {
  127. echo $img_url . '图片保存失败!
    ';
  128. }
  129. } else
  130. {
  131. echo $img_url . '图片读取失败!
    ';
  132. }
  133. }
  134. } // END
  135. set_time_limit(120); //设置脚本的最大执行时间 根据情况设置
  136. $download_img=new download_image('E:/images/',0); //实例化下载图片对象
  137. $download_img->recursive_download_images('http://bbs.it-home.org/'); //递归抓取图片方法
  138. //$download_img->download_current_page_images($_POST['capture_url']); //只抓取当前页面图片方法
  139. ?>
复制代码


Déclaration:
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn