欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  php教程

PHP采集类Snoopy抓取图片实例

程序员文章站 2024-01-17 19:55:58
...

这篇文章主要介绍了PHP采集类Snoopy抓取图片实例,Snoopy是一个强大的PHP采集类,可以用来开发一些采集程序和小偷程序,需要的朋友可以参考下

用了两天php的Snoopy这个类,发现很好用。获取请求网页里面的所有链接,直接使用fetchlinks就可以,获取所有文本信息使用fetchtext(其内部还是使用正则表达式在进行处理),还有其它较多的功能,如模拟提交表单等。


使用方法:

先下载Snoopy类,下载地址:
先实例化一个对象,然后调用相应的方法即可获取抓取的网页信息

复制代码 代码如下:


include 'snoopy/Snoopy.class.php';

$snoopy = new Snoopy();

$sourceURL = "http://www.jb51.net";
$snoopy->fetchlinks($sourceURL);

$a = $snoopy->results;

它并没有提供获取网页中所有图片地址的方法,自己有个需求是要获取一个页面中所有文章列表中图片地址。然后自己就写了一个,主要还是正则那里匹配重要。

复制代码 代码如下:


//匹配图片的正则表达式
$reTag = "/PHP采集类Snoopy抓取图片实例/i";


因为需求比较特殊,只需要抓取写死htp://开头的图片(外站的图片可能使得了防盗链,想先抓取到本地)

1.抓取指定网页,并筛选出预期的所有文章地址;

2.循环抓取第一步中的文章地址,然后使用匹配图片的正则表达式进行匹配,获取页面中所有符合规则的图片地址;

3.根据图片后缀和ID(这里只有gif、jpg)保存图片---如果此图片文件存在,先将其删除再保存。

复制代码 代码如下:



include 'snoopy/Snoopy.class.php';

$snoopy = new Snoopy();

$sourceURL = "http://xxxxx";
$snoopy->fetchlinks($sourceURL);

$a = $snoopy->results;
$re = "/d+.html$/";

//过滤获取指定的文件地址请求
foreach ($a as $tmp) {
if (preg_match($re, $tmp)) {
getImgURL($tmp);
}
}

function getImgURL($siteName) {
$snoopy = new Snoopy();
$snoopy->fetch($siteName);

$fileContent = $snoopy->results;

//匹配图片的正则表达式
$reTag = "/PHP采集类Snoopy抓取图片实例/i";

if (preg_match($reTag, $fileContent)) {
$ret = preg_match_all($reTag, $fileContent, $matchResult);

for ($i = 0, $len = count($matchResult[1]); $i saveImgURL($matchResult[1][$i], $matchResult[2][$i]);
}
}
}

function saveImgURL($name, $suffix) {
$url = $name.".".$suffix;

echo "请求的图片地址:".$url."
";

$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 "

文件".$imgSavePath."已存在,将被删除

";
}

$imgFile = file_get_contents($url);
$flag = file_put_contents($imgSavePath, $imgFile);

if ($flag) {
echo "

文件".$imgSavePath."保存成功

";
}
}
?>