ホームページ >バックエンド開発 >PHPチュートリアル >PHP クローラーが Baidu Tieba の写真をキャプチャ
最近、Baidu Tieba から写真を一括でダウンロードする必要があります。つまり、特定の Tieba からすべての写真をダウンロードする必要があります。
本当はPythonで書こうと思っていたのですが、Pythonに詳しくないのでminidomやHtmlParserなどを試してみましたが、なかなか始まらないと感じたので、PHP言語を使ってみようと思います。私は得意です。
以下はソースコードです:
1 <?php 2 //运行时间 3 @set_time_limit(60); 4 //贴吧名称 5 $tbname = "%CD%BC%C6%AC"; 6 //抓取类型 0-按照帖子顺序 1-按照贴图顺序 7 $type = 0; 8 //列表页url 9 $listurltpl = "http://tieba.baidu.com/f?kw=%s".($type?"&tp=1":"&pn=");10 //图册页url11 $galleryurltpl = "http://tieba.baidu.com/photo/bw/picture/guide?kw=%s&tid=%s&next=9999";12 //图片url13 $imageurltpl = "http://imgsrc.baidu.com/forum/pic/item/%s.jpg";14 //本地的目录15 $savepath = "h:/images/";16 //帖子子文件夹17 $filedirtpl = $savepath."%s/";18 //图片文件19 $filenametpl = $savepath."%s/%s.jpg";20 21 $listurl = sprintf($listurltpl,$tbname);22 //抓取起始点23 $pn = 0;24 while(1)25 {26 if (!$type) $listurl .= $pn;27 //得到列表页源代码28 $listhtml = file_get_contents($listurl);29 //匹配出帖子id30 if($type)31 preg_match_all('/<div class=\"aep_wrapper\" id=\"pic_item_(\d+)\" tid=\"\d+\">/',$listhtml,$m1);32 else33 preg_match_all('/<ul class=\"threadlist_media j_threadlist_media\" id=\"fm(\d+)\"/',$listhtml,$m1);34 //得到帖子id列表35 $tidlist = $m1[1];36 echo "Fetching ... <br /> \r\n";37 foreach($tidlist as $tid)38 {39 echo "--Gallery $tid <br /> \r\n";40 $galleryurl = sprintf($galleryurltpl,$tbname,$tid);41 //得到帖子图册的源代码42 $galleryhtml = file_get_contents($galleryurl);43 //匹配出图片id44 preg_match_all('/\{\"original\":\{\"id\":\"(\w+)\"/',$galleryhtml,$m2);45 //得到图片id列表46 $pidlist = $m2[1];47 foreach($pidlist as $pid)48 {49 echo "----Picture {$tid}/{$pid}.jpg ";50 $filedir = sprintf($filedirtpl,$tid);51 $filename = sprintf($filenametpl,$tid,$pid);52 //文件是否存在53 if(!is_file($filename))54 {55 $imageurl = sprintf($imageurltpl,$pid);56 //下载图片57 $imagebin = file_get_contents($imageurl);58 //目录是否存在59 if(!is_dir($filedir))60 mkdir($filedir);61 //保存图片62 file_put_contents($filename,$imagebin);63 $rnd = rand(2000,5000);64 echo "Downloaded! ";65 //延时休息66 sleep(1.0*$rnd/1000);67 echo "Sleep $rnd us <br />\r\n";68 }69 else70 echo "Existed! <br />\r\n";71 }72 }73 //翻到下一页74 if (!$type) $pn += 50;75 }
テストを実行します:
プログラムは基本的に要件を満たすことができますが、長時間画像をキャプチャすると、Baidu が確認コードをポップアップします。猫にリダイヤルして IP を変更し、写真の撮影を続けます。
(学習の参考のみのため、違法な目的には使用しないでください。)