php遠路抓取網站圖片並儲存

php遠程抓取網站圖片並儲存

以前看到網上別人說寫程式抓取網頁圖片的,感覺挺神奇,心想什麼時候我自己也寫一個抓取圖片的方法!

?

剛好這兩天沒什麼事,就參考了網上一個php抓取圖片代碼,重點借鑒了 匹配img標籤和其src屬性正則的寫法,

封裝了一個php遠程抓取圖片的類,測試了一下,速度還湊合, 兩分鐘從 艾妮 ini.iteye.com 抓取了 110多張圖片

?

代碼如下:

save_path=$save_path;        $this->img_size=$img_size;    }            /**     * 遞迴下載抓取首頁及其子頁面圖片的方法  ( recursive 遞迴)     *     * @param   String  $capture_url  用於抓取圖片的網址     *      */    public function recursive_download_images($capture_url)    {        if (!in_array($capture_url,self::$a_url_arr))   //沒抓取過        {                                     self::$a_url_arr[]=$capture_url;   //計入靜態數組        } else   //抓取過,直接退出函數        {            return;        }                        $this->download_current_page_images($capture_url);  //下載當前頁面的所有圖片                //用@屏蔽掉因為抓取地址無法讀取導致的warning錯誤        $content=@file_get_contents($capture_url);                 //匹配a標籤href屬性中?之前部分的正則        $a_pattern = "|]+href=['\" ]?([^ '\"?]+)['\" >]|U";           preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER);                $tmp_arr=array();  //定義一個數組,用於存放當前迴圈下抓取圖片的超連結位址        foreach ($a_out as $k => $v)         {            /**             * 去除超連結中的 空'','#','/'和重複值               * 1: 超連結位址的值 不能等於當前抓取頁面的url, 否則會陷入死迴圈             * 2: 超連結為''或'#','/'也是本頁面,這樣也會陷入死迴圈,               * 3: 有時一個超串連地址在一個網頁中會重複出現多次,如果不去除,會對一個子頁面進行重複下載)             */            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 => $v)         {                        //超連結路徑地址            if ( strpos($v, 'http://')!==false ) //如果url包含http://,可以直接存取            {                $a_url = $v;            }else   //否則證明是相對位址, 需要重新拼湊超連結的訪問地址            {                $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1);                $a_url=$domain_url.$v;            }            $this->recursive_download_images($a_url);        }            }                /**     * 下載當前網頁下的所有圖片      *     * @param   String  $capture_url  用於抓取圖片的網頁地址     * @return  Array   當前網頁上所有圖片img標籤url地址的一個數組     */    public function download_current_page_images($capture_url)    {        $content=@file_get_contents($capture_url);   //屏蔽warning錯誤//匹配img標籤src屬性中?之前部分的正則$img_pattern = "|]+src=['\" ]?([^ '\"?]+)['\" >]|U";           preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);$photo_num = count($img_out);        //匹配到的圖片數量        echo '
'.$capture_url . "共找到 " . $photo_num . " 張圖片
";        foreach ($img_out as $k => $v)         {            $this->save_one_img($capture_url,$v[1]);        }    }    /**     * 儲存單個圖片的方法      *     * @param String $capture_url   用於抓取圖片的網頁地址     * @param String $img_url       需要儲存的圖片的url     *      */    public function save_one_img($capture_url,$img_url)    {                //圖片路徑地址        if ( strpos($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);    //擷取圖片路徑資訊                $pic_name=$pathinfo['basename'];   //擷取圖片的名字        if (file_exists($this->save_path.$pic_name))  //如果圖片存在,證明已經被抓取過,退出函數        {            echo $img_url . '該圖片已經抓取過!
';             return;        }                        //將圖片內容讀入一個字串        $img_data = @file_get_contents($img_url);   //屏蔽掉因為圖片地址無法讀取導致的warning錯誤        if ( strlen($img_data) > $this->img_size )   //下載size比限制大的圖片        {            $img_size = file_put_contents($this->save_path . $pic_name, $img_data);            if ($img_size)            {                echo $img_url . '圖片儲存成功!
';            } else            {                echo $img_url . '圖片儲存失敗!
';            }        } else        {            echo $img_url . '圖片讀取失敗!
';        }     } } // ENDset_time_limit(120);     //設定指令碼的最大執行時間  根據情況設定 $download_img=new download_image('E:/images/',0);   //執行個體化下載圖片對象$download_img->recursive_download_images('http://ini.iteye.com/');      //遞迴抓取圖片方法//$download_img->download_current_page_images($_POST['capture_url']);     //只抓取當前頁面圖片方法?>

?

