首页  >  文章  >  后端开发  >  网页抓图

网页抓图

WBOY
WBOY原创
2016-07-25 08:49:441139浏览
  1. header('Content-Type:text/html;charset=utf-8');
  2. /**
  3. * 一个用于抓去图片的类
  4. * @author tangpan
  5. */
  6. class download_image {
  7. public $_save_path = NULL; //图片保存路劲
  8. public $_limit_size = NULL; //图片限制大小
  9. public static $_img_url_old = array(); //存储已抓取过的图片链接地址
  10. public static $_a_page_url = array(); //存储抓取过的页面
  11. public function __construct( $_save_path, $_limit_size) {
  12. $this->_save_path = $_save_path;
  13. $this->_limit_size = $_limit_size;
  14. }
  15. public function get_all_page_image( $site_url ) {
  16. if ( $site_url == '' ) {
  17. return false;
  18. }
  19. if ( ! in_array( $site_url, self::$_a_page_url ) ) { //判断当前页面是否抓取过
  20. self::$_a_page_url[] = $site_url; //将超链接存入静态数组中
  21. } else {
  22. return; //若抓取过则跳出
  23. }
  24. $this->download_the_page_image( $site_url );
  25. $content = @file_get_contents($site_url);
  26. $a_page_url = "|]+href=['\" ]?([^ '\"?]+)['\" >]|U";
  27. $all_url = array();
  28. preg_match_all( $a_page_url, $content, $all_url, PREG_SET_ORDER );
  29. if ( $all_url != NULL ) {
  30. foreach( $all_url as $key => $val ) {
  31. /**
  32. * 静态化超链接,防止进入死循环
  33. * 出去当前页面链接表示方式('','#','/')
  34. */
  35. if ( trim($val[1]) != '' && ! in_array( $val[1], self::$_a_page_url ) && ! in_array( $val[1], array('#','/',$site_url) ) ) {
  36. self::$_a_page_url[] = $val[1]; //将符合要求的超链接写入静态数组中
  37. }
  38. }
  39. }
  40. if ( self::$_a_page_url != NULL ) {
  41. foreach( self::$_a_page_url as $keys => $vals ) {
  42. if ( strpos( $vals, 'http://' ) === false ) { //超链接不包含http://时,不能直接访问
  43. // 当图片链接地址为相对地址是重新拼凑地址
  44. $a_domain_url = substr( $site_url, 0, strpos( $site_url, '/',8 ) + 1 );
  45. $a_img_url = $a_domain_url.$vals;
  46. }
  47. //递归调用,访问每一个超链接页面
  48. $this->get_all_page_image( $a_img_url );
  49. }
  50. }
  51. }
  52. /**
  53. * 下载当前页面下的所有图片链接
  54. * @param $site_url
  55. */
  56. public function download_the_page_image( $site_url ) {
  57. // 获取当前链接地址页面的所有内容
  58. $img_pattern = NULL;
  59. $content = @file_get_contents( $site_url );
  60. $img_pattern = "|网页抓图 ]+src=['\" ]?([^ '\"?]+)['\" >]|U";
  61. //全局匹配所有的网页抓图 中的图片链接
  62. $img_out = array();
  63. preg_match_all( $img_pattern, $content, $img_out, PREG_SET_ORDER );
  64. echo '

    '. $site_url . '共找到' . count($img_out) . '张图片

    ';
  65. //print_r($img_out[1]);
  66. foreach( $img_out as $key => $val ) {
  67. //echo htmlspecialchars($val[1]).'
    ';
  68. $this->save_one_image( $site_url, $val[1]);
  69. }
  70. }
  71. public function save_one_image( $site_url, $img_url ) {
  72. if ( strpos( $img_url, 'http://' ) === false ) {
  73. // 当图片链接地址为相对地址是重新拼凑地址
  74. $domain_url = substr( $site_url, 0, strpos( $site_url, '/',8 ) + 1 );
  75. $img_url = $domain_url.$img_url;
  76. }
  77. $pic_name = basename( $img_url ); //获取图片名称
  78. if ( in_array( $img_url, self::$_img_url_old ) ) {
  79. echo $img_url .'该图片已经抓取过!
    ';
  80. return;
  81. }
  82. //获取图片内容,并写入一个字符串
  83. $img_data = @file_get_contents( $img_url );
  84. if ( strlen($img_data) _limit_size ) { //图片大小在限制范围内
  85. $img_boo = @file_put_contents( $this->_save_path.md5(microtime()).$pic_name, $img_data );
  86. if ( $img_boo ) {
  87. echo $img_url .'图片保存成功!
    ';
  88. self::$_img_url_old[] = $img_url;
  89. } else {
  90. echo $img_url .'图片保存失败!
    ';
  91. }
  92. } else {
  93. echo $img_url .'图片大小在限制范围之外!
    ';
  94. }
  95. }
  96. }
  97. set_time_limit(0);
  98. $download_images = new download_image('surces_Img/',1024*1024*100);
  99. $download_images->get_all_page_image('http://www.22mm.cc/');
  100. ?>
复制代码


声明:
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn