首页 >后端开发 >php教程 >php远程抓取网站图片并保存
php远程抓取网站图片并保存

不言原创: 2018-03-29 16:22:011477浏览
本篇文章给大家分享了关于PHP抓取网站图片并且保存的代码，该例子详细的介绍了抓取图片并保存到本地的方法，有需要的朋友可以参考一下
例子，php抓取网站数据的代码。
代码示例:
<?php  
/** 
 * 一个用于抓取图片的类 
 * 
 * @package default 
 * @author  WuJunwei 
 */  
class download_image   
{  
      
    public $save_path;  //抓取图片的保存地址  
  
    //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  
    public $img_size=0;   
  
    //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         
    public static $a_url_arr=array();     
      
    /** 
     * @param String $save_path    抓取图片的保存地址 
     * @param Int    $img_size     抓取图片的保存地址 
     */  
    public function __construct($save_path,$img_size)  
    {  
        $this->save_path=$save_path;  
        $this->img_size=$img_size;  
    }      
      
    /** 
     * 递归下载抓取首页及其子页面图片的方法  ( recursive 递归) 
     * 
     * @param   String  $capture_url  用于抓取图片的网址 
     *  
     */  
    public function recursive_download_images($capture_url)  
    {  
        if (!in_array($capture_url,self::$a_url_arr))   //没抓取过  
        {                           
            self::$a_url_arr[]=$capture_url;   //计入静态数组  
        } else   //抓取过,直接退出函数  
        {  
            return;  
        }          
          
        $this->download_current_page_images($capture_url);  //下载当前页面的所有图片  
          
        //用@屏蔽掉因为抓取地址无法读取导致的warning错误  
        $content=@file_get_contents($capture_url);   
          
        //匹配a标签href属性中?之前部分的正则  
        $a_pattern = "|<a[^>]+href=[&#39;\" ]?([^ &#39;\"?]+)[&#39;\" >]|U";     
        preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER);  
          
        $tmp_arr=array();  //定义一个数组,用于存放当前循环下抓取图片的超链接地址  
        foreach ($a_out as $k => $v)   
        {  
            /** 
             * 去除超链接中的 空&#39;&#39;,&#39;#&#39;,&#39;/&#39;和重复值   
             * 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 
             * 2: 超链接为&#39;&#39;或&#39;#&#39;,&#39;/&#39;也是本页面,这样也会陷入死循环,   
             * 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) 
             */  
            if ( $v[1] && !in_array($v[1],self::$a_url_arr) &&!in_array($v[1],array(&#39;#&#39;,&#39;/&#39;,$capture_url) ) )   
            {  
                $tmp_arr[]=$v[1];  
            }  
        }  
    
        foreach ($tmp_arr as $k => $v)   
        {              
            //超链接路径地址  
            if ( strpos($v, &#39;http://&#39;)!==false ) //如果url包含http://,可以直接访问  
            {  
                $a_url = $v;  
            }else   //否则证明是相对地址, 需要重新拼凑超链接的访问地址  
            {  
                $domain_url = substr($capture_url, 0,strpos($capture_url, &#39;/&#39;,8)+1);  
                $a_url=$domain_url.$v;  
            }  
  
            $this->recursive_download_images($a_url);  
  
        } 
    }   
    /** 
     * 下载当前网页下的所有图片  
     * 
     * @param   String  $capture_url  用于抓取图片的网页地址 
     * @return  Array   当前网页上所有图片img标签url地址的一个数组 
     */  
    public function download_current_page_images($capture_url)  
    {  
        $content=@file_get_contents($capture_url);   //屏蔽warning错误  
  
        //匹配img标签src属性中?之前部分的正则  
        $img_pattern = "|<img[^>]+src=[&#39;\" ]?([^ &#39;\"?]+)[&#39;\" >]|U";     
        preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);  
  
        $photo_num = count($img_out);  
        //匹配到的图片数量  
        echo &#39;<h1>&#39;.$capture_url . "共找到 " . $photo_num . " 张图片</h1>";  
        foreach ($img_out as $k => $v)   
        {  
            $this->save_one_img($capture_url,$v[1]);  
        }  
    }
  
    /** 
     * 保存单个图片的方法  
     * 
     * @param String $capture_url   用于抓取图片的网页地址 
     * @param String $img_url       需要保存的图片的url 
     *  
     */  
    public function save_one_img($capture_url,$img_url)  
    {          
        //图片路径地址  
        if ( strpos($img_url, &#39;http://&#39;)!==false )   
        {  
            // $img_url = $img_url;  
        }else     
        {  
            $domain_url = substr($capture_url, 0,strpos($capture_url, &#39;/&#39;,8)+1);  
            $img_url=$domain_url.$img_url;  
        }             
        $pathinfo = pathinfo($img_url);    //获取图片路径信息          
        $pic_name=$pathinfo[&#39;basename&#39;];   //获取图片的名字  
        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  
        {  
            echo $img_url . &#39;<span style="color:red;margin-left:80px">该图片已经抓取过!</span><br/>&#39;;   
            return;  
        }                  
        //将图片内容读入一个字符串  
        $img_data = @file_get_contents($img_url);   //屏蔽掉因为图片地址无法读取导致的warning错误  
        if ( strlen($img_data) > $this->img_size )   //下载size比限制大的图片  
        {  
            $img_size = file_put_contents($this->save_path . $pic_name, $img_data);  
            if ($img_size)  
            {  
                echo $img_url . &#39;<span style="color:green;margin-left:80px">图片保存成功!</span><br/>&#39;;  
            } else  
            {  
                echo $img_url . &#39;<span style="color:red;margin-left:80px">图片保存失败!</span><br/>&#39;;  
            }  
        } else  
        {  
            echo $img_url . &#39;<span style="color:red;margin-left:80px">图片读取失败!</span><br/>&#39;;  
        }   
    }   
} // END  
  
set_time_limit(120);     //设置脚本的最大执行时间  根据情况设置   
$download_img=new download_image(&#39;E:/images/&#39;,0);   //实例化下载图片对象  
$download_img->recursive_download_images(&#39;http://www.jbxue.com/&#39;); //递归抓取图片方法  
//$download_img->download_current_page_images($_POST[&#39;capture_url&#39;]); //只抓取当前页面图片方法  
?>
php远程抓取网站图片并保存

相关文章
