Jadual Kandungan
'.$capture_url . "共找到 " . $photo_num . " 张图片
Rumah pembangunan bahagian belakang tutorial 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

Jul 25, 2016 am 09:12 AM

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


Kenyataan Laman Web ini
Kandungan artikel ini disumbangkan secara sukarela oleh netizen, dan hak cipta adalah milik pengarang asal. Laman web ini tidak memikul tanggungjawab undang-undang yang sepadan. Jika anda menemui sebarang kandungan yang disyaki plagiarisme atau pelanggaran, sila hubungi admin@php.cn

Alat AI Hot

Undresser.AI Undress

Undresser.AI Undress

Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover

AI Clothes Remover

Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool

Undress AI Tool

Gambar buka pakaian secara percuma

Clothoff.io

Clothoff.io

Penyingkiran pakaian AI

Video Face Swap

Video Face Swap

Tukar muka dalam mana-mana video dengan mudah menggunakan alat tukar muka AI percuma kami!

Alat panas

Notepad++7.3.1

Notepad++7.3.1

Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina

SublimeText3 versi Cina

Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1

Hantar Studio 13.0.1

Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6

Dreamweaver CS6

Alat pembangunan web visual

SublimeText3 versi Mac

SublimeText3 versi Mac

Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Bagaimanakah sesi merampas kerja dan bagaimana anda dapat mengurangkannya dalam PHP? Bagaimanakah sesi merampas kerja dan bagaimana anda dapat mengurangkannya dalam PHP? Apr 06, 2025 am 12:02 AM

Sesi rampasan boleh dicapai melalui langkah -langkah berikut: 1. Dapatkan ID Sesi, 2. Gunakan ID Sesi, 3. Simpan sesi aktif. Kaedah untuk mengelakkan rampasan sesi dalam PHP termasuk: 1. Gunakan fungsi Sesi_Regenerate_ID () untuk menjana semula ID Sesi, 2. Data sesi stor melalui pangkalan data, 3.

Jelaskan JSON Web Tokens (JWT) dan kes penggunaannya dalam PHP API. Jelaskan JSON Web Tokens (JWT) dan kes penggunaannya dalam PHP API. Apr 05, 2025 am 12:04 AM

JWT adalah standard terbuka berdasarkan JSON, yang digunakan untuk menghantar maklumat secara selamat antara pihak, terutamanya untuk pengesahan identiti dan pertukaran maklumat. 1. JWT terdiri daripada tiga bahagian: header, muatan dan tandatangan. 2. Prinsip kerja JWT termasuk tiga langkah: menjana JWT, mengesahkan JWT dan muatan parsing. 3. Apabila menggunakan JWT untuk pengesahan di PHP, JWT boleh dijana dan disahkan, dan peranan pengguna dan maklumat kebenaran boleh dimasukkan dalam penggunaan lanjutan. 4. Kesilapan umum termasuk kegagalan pengesahan tandatangan, tamat tempoh, dan muatan besar. Kemahiran penyahpepijatan termasuk menggunakan alat debugging dan pembalakan. 5. Pengoptimuman prestasi dan amalan terbaik termasuk menggunakan algoritma tandatangan yang sesuai, menetapkan tempoh kesahihan dengan munasabah,

Huraikan prinsip -prinsip yang kukuh dan bagaimana ia memohon kepada pembangunan PHP. Huraikan prinsip -prinsip yang kukuh dan bagaimana ia memohon kepada pembangunan PHP. Apr 03, 2025 am 12:04 AM

Penerapan prinsip pepejal dalam pembangunan PHP termasuk: 1. Prinsip Tanggungjawab Tunggal (SRP): Setiap kelas bertanggungjawab untuk hanya satu fungsi. 2. Prinsip Terbuka dan Tutup (OCP): Perubahan dicapai melalui lanjutan dan bukannya pengubahsuaian. 3. Prinsip Penggantian Lisch (LSP): Subkelas boleh menggantikan kelas asas tanpa menjejaskan ketepatan program. 4. Prinsip Pengasingan Antara Muka (ISP): Gunakan antara muka halus untuk mengelakkan kebergantungan dan kaedah yang tidak digunakan. 5. Prinsip Inversi Ketergantungan (DIP): Modul peringkat tinggi dan rendah bergantung kepada abstraksi dan dilaksanakan melalui suntikan ketergantungan.

Bagaimana cara debug mod CLI dalam phpstorm? Bagaimana cara debug mod CLI dalam phpstorm? Apr 01, 2025 pm 02:57 PM

Bagaimana cara debug mod CLI dalam phpstorm? Semasa membangun dengan PHPStorm, kadang -kadang kita perlu debug PHP dalam mod Interface Line Command (CLI) ...

Bagaimana cara menetapkan kebenaran secara automatik UnixSocket selepas sistem dimulakan semula? Bagaimana cara menetapkan kebenaran secara automatik UnixSocket selepas sistem dimulakan semula? Mar 31, 2025 pm 11:54 PM

Bagaimana untuk menetapkan keizinan UnixSocket secara automatik selepas sistem dimulakan semula. Setiap kali sistem dimulakan semula, kita perlu melaksanakan perintah berikut untuk mengubahsuai keizinan UnixSocket: sudo ...

Terangkan pengikatan statik lewat dalam php (statik: :). Terangkan pengikatan statik lewat dalam php (statik: :). Apr 03, 2025 am 12:04 AM

Mengikat statik (statik: :) Melaksanakan pengikatan statik lewat (LSB) dalam PHP, yang membolehkan kelas panggilan dirujuk dalam konteks statik dan bukannya menentukan kelas. 1) Proses parsing dilakukan pada masa runtime, 2) Cari kelas panggilan dalam hubungan warisan, 3) ia boleh membawa overhead prestasi.

Bagaimana cara menghantar permintaan pos yang mengandungi data JSON menggunakan perpustakaan php curl? Bagaimana cara menghantar permintaan pos yang mengandungi data JSON menggunakan perpustakaan php curl? Apr 01, 2025 pm 03:12 PM

Menghantar data JSON menggunakan perpustakaan Curl PHP dalam pembangunan PHP, sering kali perlu berinteraksi dengan API luaran. Salah satu cara biasa ialah menggunakan perpustakaan curl untuk menghantar post ...

See all articles