欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

PHP采集類(lèi)Snoopy抓取圖片實(shí)例

 更新時(shí)間:2014年06月19日 10:18:50   投稿:junjie  
這篇文章主要介紹了PHP采集類(lèi)Snoopy抓取圖片實(shí)例,Snoopy是一個(gè)強(qiáng)大的PHP采集類(lèi),可以用來(lái)開(kāi)發(fā)一些采集程序和小偷程序,需要的朋友可以參考下

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

復(fù)制代碼 代碼如下:

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。

復(fù)制代碼 代碼如下:

//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。

復(fù)制代碼 代碼如下:

<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:

復(fù)制代碼 代碼如下:

<?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…

相關(guān)文章

最新評(píng)論