程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
 程式師世界 >> 編程語言 >> 網頁編程 >> PHP編程 >> 關於PHP編程 >> PHP采集類Snoopy抓取圖片實例

PHP采集類Snoopy抓取圖片實例

編輯:關於PHP編程

用了兩天php的Snoopy這個類,發現很好用。獲取請求網頁裡面的所有鏈接,直接使用fetchlinks就可以,獲取所有文本信息使用fetchtext(其內部還是使用正則表達式在進行處理),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,下載地址:http://sourceforge.net/projects/snoopy/
先實例化一個對象,然後調用相應的方法即可獲取抓取的網頁信息

復制代碼 代碼如下:
include 'snoopy/Snoopy.class.php';
   
$snoopy = new Snoopy();
   
$sourceURL = "http://www.jb51.net";
$snoopy->fetchlinks($sourceURL);
   
$a = $snoopy->results;

它並沒有提供獲取網頁中所有圖片地址的方法,自己有個需求是要獲取一個頁面中所有文章列表中圖片地址。然後自己就寫了一個,主要還是正則那裡匹配重要。
復制代碼 代碼如下:
//匹配圖片的正則表達式
 $reTag = "/<img[^s]+src="(http://[^"]+).(jpg|png|gif|jpeg)"[^/]*/>/i";


因為需求比較特殊,只需要抓取寫死htp://開頭的圖片(外站的圖片可能使得了防盜鏈,想先抓取到本地)

1.抓取指定網頁,並篩選出預期的所有文章地址;

2.循環抓取第一步中的文章地址,然後使用匹配圖片的正則表達式進行匹配,獲取頁面中所有符合規則的圖片地址;

3.根據圖片後綴和ID(這裡只有gif、jpg)保存圖片---如果此圖片文件存在,先將其刪除再保存。

復制代碼 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;
    $re = "/d+.html$/";
   
    //過濾獲取指定的文件地址請求
    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抓取網頁:內容、圖片、鏈接的時候,我覺得最重要的還是正則(根據抓取的內容和指定的規則獲取想要的數據),思路其實都比較簡單,用到的方法也並不多,也就那幾個(而且抓取內容還是直接調用別人寫好的類中的方法就可以了)

但之前想過的是php似乎並沒有實現如下的方法,比如一個文件中有N行(N很大),需要將其中符合規則的行內容進行替換,如第3行是aaa需要轉成bbbbb。一般的需要修改文件時的常見做法:

1.一次讀取整個文件(或是逐行讀取),然後使用臨時文件進行保存最終轉換後的結果,再替換原始文件

2.逐行讀取,使用fseek控制文件指針的位置,然後fwrite寫入

方案1在文件較大時,一次讀取不可取(逐行讀取,然後寫入臨時文件再替換原始文件效率感覺也不高),方案2則在被替換的字符串長度小於等於目標值時沒問題,但超過了則會有問題,它會“越界”,將下一行的數據也打亂了(不能像JavaScript中有“選區”的概念,使用新的內容進行替換)。

下面是使用方案2做試驗的代碼:
復制代碼 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
      fwrite($fp, "123");
    }
    i++;
  }
  fclose($fp);
}
?>

先讀取一行,此時文件指針其實是指到下一行開頭,使用fseek將文件指針回移到上一行起始位置,然後使用fwrite進行替換操作,正因為是替換操作,在不指定長度的情況下,它把影響到下一行的數據,而我想要的是只想針對這一行進行操作,例如刪除這一行或是整行只替換為一個1,上面的例子達不到要求,或許是我還沒有找到合適的方法…

  1. 上一頁:
  2. 下一頁:
Copyright © 程式師世界 All Rights Reserved