php远路抓取网站图片并保存

php远程抓取网站图片并保存

以前看到网上别人说写程序抓取网页图片的,感觉挺神奇,心想什么时候我自己也写一个抓取图片的方法!

?

刚好这两天没什么事,就参考了网上一个php抓取图片代码,重点借鉴了 匹配img标签和其src属性正则的写法,

封装了一个php远程抓取图片的类,测试了一下,速度还凑合, 两分钟从 艾妮 ini.iteye.com 抓取了 110多张图片

?

代码如下:

<?php /** * 一个用于抓取图片的类 * * @package default * @author  WuJunwei*  keleyi.com */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                [email protected]??        [email protected]_get_contents($capture_url);                 //匹配a标签href属性中?之前部分的正则        $a_pattern = "|<a>]+href=['\" ]?([^ '\"?]+)['\" >]|U";           preg_match_all($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'','#','/'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''或'#','/'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('#','/',$capture_url) ) )             {                $tmp_arr[]=$v[1];            }        }          foreach ($tmp_arr as $k => $v)         {                        //超链接路径地址            if ( strpos($v, 'http://')!==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, '/',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)    {        [email protected]_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		$img_pattern = "|<img  alt="php远路抓取网站图片并保存" >]+src=['\" ]?([^ '\"?]+)['\" >]|U";           preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);		$photo_num = count($img_out);        //匹配到的图片数量        echo '<h1>'.$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, 'http://')!==false )         {            // $img_url = $img_url;        }else           {            $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1);            $img_url=$domain_url.$img_url;        }                   $pathinfo = pathinfo($img_url);    //获取图片路径信息                $pic_name=$pathinfo['basename'];   //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 . '<span   style="max-width:90%">该图片已经抓取过!</span><br>';             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 . '<span style="color:green;margin-left:80px">图片保存成功!</span><br>';            } else            {                echo $img_url . '<span style="color:red;margin-left:80px">图片保存失败!</span><br>';            }        } else        {            echo $img_url . '<span style="color:red;margin-left:80px">图片读取失败!</span><br>';        }     } } // ENDset_time_limit(120);     //设置脚本的最大执行时间  根据情况设置 $download_img=new download_image('E:/images/',0);   //实例化下载图片对象$download_img->recursive_download_images('http://ini.iteye.com/');      //递归抓取图片方法//$download_img->download_current_page_images($_POST['capture_url']);     //只抓取当前页面图片方法?></a>

?