PHP採集類Snoopy抓取圖片執行個體_PHP教程

用了兩天php的Snoopy這個類，發現很好用。擷取請求網頁裡面的所有連結，直接使用fetchlinks就可以，擷取所有文本資訊使用fetchtext（其內部還是使用Regex在進行處理），還有其它較多的功能，如類比提交表單等。

使用方法：

先下載Snoopy類，下載地址：http://sourceforge.net/projects/snoopy/
先執行個體化一個對象，然後調用相應的方法即可擷取抓取的網頁資訊

複製代碼 代碼如下:
include 'snoopy/Snoopy.class.php';

$snoopy = new Snoopy();

$sourceURL = "http://www.jb51.net";
$snoopy->fetchlinks($sourceURL);

$a = $snoopy->results;

它並沒有提供擷取網頁中所有圖片地址的方法，自己有個需求是要擷取一個頁面中所有文章列表中圖片地址。然後自己就寫了一個，主要還是正則那裡匹配重要。
複製代碼 代碼如下:
//匹配圖片的Regex
$reTag = "//i";

因為需求比較特殊，只需要抓取寫死htp://開頭的圖片（外站的圖片可能使得了防盜鏈，想先抓取到本地）

1.抓取指定網頁，並篩選出預期的所有文章地址；

2.迴圈抓取第一步中的文章地址，然後使用匹配圖片的Regex進行匹配，擷取頁面中所有符合規則的圖片地址；

3.根據圖片尾碼和ID（這裡只有gif、jpg）儲存圖片---如果此圖片檔案存在，先將其刪除再儲存。

複製代碼 代碼如下:

<?php
include 'snoopy/Snoopy.class.php';

$snoopy = new Snoopy();

$sourceURL = "http://xxxxx";
$snoopy->fetchlinks($sourceURL);

$a = $snoopy->results;
$re = "/d+.html$/";

//過濾擷取指定的檔案地址請求
foreach ($a as $tmp) {
if (preg_match($re, $tmp)) {
getImgURL($tmp);
}
}

function getImgURL($siteName) {
$snoopy = new Snoopy();
$snoopy->fetch($siteName);

$fileContent = $snoopy->results;

//匹配圖片的Regex
$reTag = "//i";

if (preg_match($reTag, $fileContent)) {
$ret = preg_match_all($reTag, $fileContent, $matchResult);

for ($i = 0, $len = count($matchResult[1]); $i < $len; ++$i) {
saveImgURL($matchResult[1][$i], $matchResult[2][$i]);
}
}
}

function saveImgURL($name, $suffix) {
$url = $name.".".$suffix;

echo "請求的圖片地址：".$url."
";

$imgSavePath = "E:/xxx/style/images/";
$imgId = preg_replace("/^.+/(d+)$/", "\1", $name);
if ($suffix == "gif") {
$imgSavePath .= "emotion";
} else {
$imgSavePath .= "topic";
}
$imgSavePath .= ("/".$imgId.".".$suffix);

if (is_file($imgSavePath)) {
unlink($imgSavePath);
echo "

檔案".$imgSavePath."已存在，將被刪除

";
}

$imgFile = file_get_contents($url);
$flag = file_put_contents($imgSavePath, $imgFile);

if ($flag) {
echo "

檔案".$imgSavePath."儲存成功

";
}
}
?>

在使用php抓取網頁：內容、圖片、連結的時候，我覺得最重要的還是正則(根據抓取的內容和指定的規則擷取想要的資料)，思路其實都比較簡單，用到的方法也並不多，也就那幾個（而且抓取內容還是直接調用別人寫好的類中的方法就可以了）

但之前想過的是php似乎並沒有實現如下的方法，比如一個檔案中有N行(N很大)，需要將其中符合規則的行內容進行替換，如第3行是aaa需要轉成bbbbb。一般的需要修改檔案時的常見做法：

1.一次讀取整個檔案（或是逐行讀取），然後使用臨時檔案進行儲存最終轉換後的結果，再替換原始檔案

2.逐行讀取，使用fseek控制檔案指標的位置，然後fwrite寫入

方案1在檔案較大時，一次讀取不可取（逐行讀取，然後寫入臨時檔案再替換原始檔案效率感覺也不高），方案2則在被替換的字串長度小於等於目標值時沒問題，但超過了則會有問題，它會“越界”，將下一行的資料也打亂了（不能像JavaScript中有“選區”的概念，使用新的內容進行替換）。

下面是使用方式情節2做實驗的代碼：
複製代碼 代碼如下:
<?php
$mode = "r+";
$filename = "d:/file.txt";
$fp = fopen($filename, $mode);
if ($fp) {
$i = 1;
while (!feof($fp)) {
$str = fgets($fp);
echo $str;
if ($i == 1) {
$len = strlen($str);
fseek($fp, -$len, SEEK_CUR);//指標向前移動
fwrite($fp, "123");
}
i++;
}
fclose($fp);
}
?>

先讀取一行，此時檔案指標其實是指到下一行開頭，使用fseek將檔案指標回移到上一行起始位置，然後使用fwrite進行替換操作，正因為是替換操作，在不指定長度的情況下，它把影響到下一行的資料，而我想要的是只想針對這一行進行操作，例如刪除這一行或是整行只替換為一個1，上面的例子達不到要求，或許是我還沒有找到合適的方法…

http://www.bkjia.com/PHPjc/825392.htmlwww.bkjia.comtruehttp://www.bkjia.com/PHPjc/825392.htmlTechArticle用了兩天php的Snoopy這個類，發現很好用。擷取請求網頁裡面的所有連結，直接使用fetchlinks就可以，擷取所有文本資訊使用fetchtext（其內部還...

