当前位置 主页 > 服务器问题 > win服务器问题汇总 > 最大化 缩小

    PHP封装的远程抓取网站图片并保存功能类

    栏目:win服务器问题汇总 时间:2019-11-02 15:19

    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 >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 >图片保存成功!</span><br/>';
          } else
          {
            echo $img_url . '<span >图片保存失败!</span><br/>';
          }
        } else
        {
          echo $img_url . '<span >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
    ?>