PHP封装的远程抓取网站图片并保存功能类


            本文实例讲述了PHP封装的远程抓取网站图片并保存功能类。分享给大家供大家参考，具体如下：





<?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=['\" ]?([^ '\"?]+)['\" >]|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)

  {

    $content=@file_get_contents($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=['\" ]?([^ '\"?]+)['\" >]|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="color:red;margin-left:80px">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/>';

    }

  }

} // 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('E:/images/',0);  //实例化下载图片对象

$download_img->recursive_download_images('http://www.oschina.net/');   //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

?>







更多关于PHP相关内容感兴趣的读者可查看本站专题：《php socket用法总结》、《php字符串(string)用法总结》、《PHP数学运算技巧总结》、《php面向对象程序设计入门教程》、《PHP数组(Array)操作技巧大全》、《PHP数据结构与算法教程》、《php程序设计算法总结》及《PHP网络编程技巧总结》

希望本文所述对大家PHP程序设计有所帮助。