PHP采集類(lèi)Snoopy抓取圖片實(shí)例
用了兩天php的Snoopy這個(gè)類(lèi),發(fā)現(xiàn)很好用。獲取請(qǐng)求網(wǎng)頁(yè)里面的所有鏈接,直接使用fetchlinks就可以,獲取所有文本信息使用fetchtext(其內(nèi)部還是使用正則表達(dá)式在進(jìn)行處理),還有其它較多的功能,如模擬提交表單等。
使用方法:
先下載Snoopy類(lèi),下載地址:http://sourceforge.net/projects/snoopy/
先實(shí)例化一個(gè)對(duì)象,然后調(diào)用相應(yīng)的方法即可獲取抓取的網(wǎng)頁(yè)信息
include 'snoopy/Snoopy.class.php';
$snoopy = new Snoopy();
$sourceURL = "http://www.dbjr.com.cn";
$snoopy->fetchlinks($sourceURL);
$a = $snoopy->results;
它并沒(méi)有提供獲取網(wǎng)頁(yè)中所有圖片地址的方法,自己有個(gè)需求是要獲取一個(gè)頁(yè)面中所有文章列表中圖片地址。然后自己就寫(xiě)了一個(gè),主要還是正則那里匹配重要。
//匹配圖片的正則表達(dá)式
$reTag = "/<img[^s]+src="(http://[^"]+).(jpg|png|gif|jpeg)"[^/]*/>/i";
因?yàn)樾枨蟊容^特殊,只需要抓取寫(xiě)死htp://開(kāi)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(wǎng)頁(yè),并篩選出預(yù)期的所有文章地址;
2.循環(huán)抓取第一步中的文章地址,然后使用匹配圖片的正則表達(dá)式進(jìn)行匹配,獲取頁(yè)面中所有符合規(guī)則的圖片地址;
3.根據(jù)圖片后綴和ID(這里只有g(shù)if、jpg)保存圖片---如果此圖片文件存在,先將其刪除再保存。
<meta http-equiv='content-type' content='text/html;charset=utf-8'>
<?php
include 'snoopy/Snoopy.class.php';
$snoopy = new Snoopy();
$sourceURL = "http://xxxxx";
$snoopy->fetchlinks($sourceURL);
$a = $snoopy->results;
$re = "/d+.html$/";
//過(guò)濾獲取指定的文件地址請(qǐng)求
foreach ($a as $tmp) {
if (preg_match($re, $tmp)) {
getImgURL($tmp);
}
}
function getImgURL($siteName) {
$snoopy = new Snoopy();
$snoopy->fetch($siteName);
$fileContent = $snoopy->results;
//匹配圖片的正則表達(dá)式
$reTag = "/<img[^s]+src="(http://[^"]+).(jpg|png|gif|jpeg)"[^/]*/>/i";
if (preg_match($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(qǐng)求的圖片地址:".$url."<br/>";
$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($imgSavePath);
echo "<p style='color:#f00;'>文件".$imgSavePath."已存在,將被刪除</p>";
}
$imgFile = file_get_contents($url);
$flag = file_put_contents($imgSavePath, $imgFile);
if ($flag) {
echo "<p>文件".$imgSavePath."保存成功</p>";
}
}
?>
在使用php抓取網(wǎng)頁(yè):內(nèi)容、圖片、鏈接的時(shí)候,我覺(jué)得最重要的還是正則(根據(jù)抓取的內(nèi)容和指定的規(guī)則獲取想要的數(shù)據(jù)),思路其實(shí)都比較簡(jiǎn)單,用到的方法也并不多,也就那幾個(gè)(而且抓取內(nèi)容還是直接調(diào)用別人寫(xiě)好的類(lèi)中的方法就可以了)
但之前想過(guò)的是php似乎并沒(méi)有實(shí)現(xiàn)如下的方法,比如一個(gè)文件中有N行(N很大),需要將其中符合規(guī)則的行內(nèi)容進(jìn)行替換,如第3行是aaa需要轉(zhuǎn)成bbbbb。一般的需要修改文件時(shí)的常見(jiàn)做法:
1.一次讀取整個(gè)文件(或是逐行讀?。?,然后使用臨時(shí)文件進(jìn)行保存最終轉(zhuǎn)換后的結(jié)果,再替換原始文件
2.逐行讀取,使用fseek控制文件指針的位置,然后fwrite寫(xiě)入
方案1在文件較大時(shí),一次讀取不可?。ㄖ鹦凶x取,然后寫(xiě)入臨時(shí)文件再替換原始文件效率感覺(jué)也不高),方案2則在被替換的字符串長(zhǎng)度小于等于目標(biāo)值時(shí)沒(méi)問(wèn)題,但超過(guò)了則會(huì)有問(wèn)題,它會(huì)“越界”,將下一行的數(shù)據(jù)也打亂了(不能像JavaScript中有“選區(qū)”的概念,使用新的內(nèi)容進(jìn)行替換)。
下面是使用方案2做試驗(yàn)的代碼:
<?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);//指針向前移動(dòng)
fwrite($fp, "123");
}
i++;
}
fclose($fp);
}
?>
先讀取一行,此時(shí)文件指針其實(shí)是指到下一行開(kāi)頭,使用fseek將文件指針回移到上一行起始位置,然后使用fwrite進(jìn)行替換操作,正因?yàn)槭翘鎿Q操作,在不指定長(zhǎng)度的情況下,它把影響到下一行的數(shù)據(jù),而我想要的是只想針對(duì)這一行進(jìn)行操作,例如刪除這一行或是整行只替換為一個(gè)1,上面的例子達(dá)不到要求,或許是我還沒(méi)有找到合適的方法…
- PHP多線程批量采集下載美女圖片的實(shí)現(xiàn)代碼(續(xù))
- PHP批量采集下載美女圖片的實(shí)現(xiàn)代碼
- php curl簡(jiǎn)單采集圖片生成base64編碼(并附curl函數(shù)參數(shù)說(shuō)明)
- PHP CURL采集百度搜尋結(jié)果圖片不顯示問(wèn)題的解決方法
- php采集內(nèi)容中帶有圖片地址的遠(yuǎn)程圖片并保存的方法
- PHP遠(yuǎn)程采集圖片詳細(xì)教程
- phpphp圖片采集后按原路徑保存圖片示例
- php采集文章中的圖片獲取替換到本地(實(shí)現(xiàn)代碼)
- PHP 文章中的遠(yuǎn)程圖片采集到本地的代碼
- PHP下載采集圖片到本地的方法詳解【可忽略ssl認(rèn)證】
相關(guān)文章
Session的工作機(jī)制詳解和安全性問(wèn)題(PHP實(shí)例講解)
有一點(diǎn)我們必須承認(rèn),大多數(shù)web應(yīng)用程序都離不開(kāi)session的使用。這篇文章將會(huì)結(jié)合php以及http協(xié)議來(lái)分析如何建立一個(gè)安全的會(huì)話管理機(jī)制2014-04-04ajax實(shí)現(xiàn)無(wú)刷新分頁(yè)(php)
直接給出源代碼,可自行分析,寫(xiě)的不好請(qǐng)留言指正,謝謝!2010-07-07PHP執(zhí)行系統(tǒng)命令函數(shù)實(shí)例講解
這篇文章主要介紹了PHP執(zhí)行系統(tǒng)命令函數(shù)實(shí)例講解,列舉的都是一些常用的函數(shù),有感興趣的同學(xué)可以學(xué)習(xí)下2021-03-03PHP實(shí)現(xiàn)笛卡爾積算法的實(shí)例講解
這篇文章主要介紹了PHP實(shí)現(xiàn)笛卡爾積算法的實(shí)例內(nèi)容以及相關(guān)知識(shí)點(diǎn)總結(jié),有需要的朋友們參考下。2019-12-12Yii2 RESTful中api的使用及開(kāi)發(fā)實(shí)例詳解
這篇文章主要介紹了Yii2 RESTful中api的使用及開(kāi)發(fā)實(shí)例詳解的相關(guān)資料,需要的朋友可以參考下2016-07-07Zend Framework教程之連接數(shù)據(jù)庫(kù)并執(zhí)行增刪查的方法(附demo源碼下載)
這篇文章主要介紹了Zend Framework教程之連接數(shù)據(jù)庫(kù)并執(zhí)行增刪查的方法,結(jié)合實(shí)例形式詳細(xì)分析了Zend Framework數(shù)據(jù)庫(kù)的配置及執(zhí)行增刪改查等操作的相關(guān)實(shí)現(xiàn)方法,需要的朋友可以參考下2016-03-03