/**
* 一個用於抓取圖片的類
*/
class download_image{
//抓取圖片的保存地址
public $save_path;
//抓取圖片的大小限制(單位:字節) 只抓比size比這個限制大的圖片
public $img_size=0;
//定義一個靜態數組,用於記錄曾經抓取過的的超鏈接地址,避免重複抓取
public static $a_url_arr=array();
/**
* @param String $save_path 抓取圖片的保存地址
* @param Int $img_size 抓取圖片的保存地址
*/
public function __construct($save_path,$img_size){
$this->save_path=$save_path;
$this->img_size=$img_size;
}
/**
* 遞歸下載抓取首頁及其子頁面圖片的方法 ( recursive 遞歸)
* @param String $capture_url 用於抓取圖片的網址
*/
public function recursive_download_images($capture_url){
//沒抓取過
if (!in_array($capture_url,self::$a_url_arr)){
//計入靜態數組
self::$a_url_arr[]=$capture_url;
}else{
//抓取過,直接退出函數
return;
}
//下載當前頁面的所有圖片
$this->download_current_page_images($capture_url);
//用@屏蔽掉因爲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
$a_pattern = "|<a[^>]+href=['\" ]?([^ '\"?]+)['\" >]|U";
preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER);
//定義一個數組,用於存放當前循環下抓取圖片的超鏈接地址
$tmp_arr=array();
foreach ($a_out as $k => $v){
/**
* 去除超鏈接中的 空'','#','/'和重複值
* 1: 超鏈接地址的值 不能等於當前抓取頁面的url, 否則會陷入死循環
* 2: 超鏈接爲''或'#','/'也是本頁面,這樣也會陷入死循環,
* 3: 有時一個超連接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 => $v){
//超鏈接路徑地址,如果url包含http://,可以直接訪問
if ( strpos($v, 'http://')!==false ){
$a_url = $v;
}else{
//否則證明是相對地址, 需要重新拼湊超鏈接的訪問地址
$domain_url = substr($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){
//屏蔽warning錯誤
$content=@file_get_contents($capture_url);
//匹配img標籤src屬性中?之前部分的正則
$img_pattern = "|<img[^>]+src=['\" ]?([^ '\"?]+)['\" >]|U";
preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);
$photo_num = count($img_out);
//匹配到的圖片數量
echo '<h1>'.$capture_url . "共找到 " . $photo_num . " 張圖片</h1>";
foreach ($img_out as $k => $v){
$this->save_one_img($capture_url,$v[1]);
}
}
/**
* 保存單個圖片的方法
* @param String $capture_url 用於抓取圖片的網頁地址
* @param String $img_url 需要保存的圖片的url
*/
public function save_one_img($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;
}
//獲取圖片路徑信息
$pathinfo = pathinfo($img_url);
//獲取圖片的名字
$pic_name=$pathinfo['basename'];
//如果圖片存在,證明已經被抓取過,退出函數
if (file_exists($this->save_path.$pic_name)){
echo $img_url . '<span style="color:red;margin-left:80px">該圖片已經抓取過!</span><br/>';
return;
}
//將圖片內容讀入一個字符串,屏蔽掉因爲圖片地址無法讀取導致的warning錯誤
$img_data = @file_get_contents($img_url);
//下載size比限制大的圖片
if ( strlen($img_data) > $this->img_size){
$img_size = file_put_contents($this->save_path . $pic_name, $img_data);
if($img_size){
echo $img_url . '<span style="color:green;margin-left:80px">圖片保存成功!</span><br/>';
}else{
echo $img_url . '<span style="color:red;margin-left:80px">圖片保存失敗!</span><br/>';
}
}else{
echo $img_url . '<span style="color:red;margin-left:80px">圖片讀取失敗!</span><br/>';
}
}
}
//設置腳本的最大執行時間 根據情況設置
set_time_limit(120);
//實例化下載圖片對象
$download_img=new download_image('E:/images/',0);
//遞歸抓取圖片方法
$download_img->recursive_download_images('http://www.xxx.com/zj/shipin');
//只抓取當前頁面圖片方法
//$download_img->download_current_page_images($_POST['capture_url']);
php遠程抓取網站圖片並保存
發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.