php远程抓取网站图片并保存的代码

例子，php抓取网站数据的代码。

2. /**
3. * 一个用于抓取图片的类
4. *
5. * @package default
6. * @author WuJunwei
7. */
8. class download_image
9. {
11. public $save_path; //抓取图片的保存地址
13. //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
14. public $img_size=0;
16. //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
17. public static $a_url_arr=array();
19. /**
20. * @param String $save_path 抓取图片的保存地址
21. * @param Int $img_size 抓取图片的保存地址
22. */
23. public function __construct($save_path,$img_size)
24. {
25. $this->save_path=$save_path;
26. $this->img_size=$img_size;
27. }
29. /**
30. * 递归下载抓取首页及其子页面图片的方法 ( recursive 递归)
31. *
32. * @param String $capture_url 用于抓取图片的网址
33. *
34. */
35. public function recursive_download_images($capture_url)
36. {
37. if (!in_array($capture_url,self::$a_url_arr)) //没抓取过
38. {
39. self::$a_url_arr[]=$capture_url; //计入静态数组
40. } else //抓取过,直接退出函数
41. {
42. return;
43. }
45. $this->download_current_page_images($capture_url); //下载当前页面的所有图片
47. //用@屏蔽掉因为抓取地址无法读取导致的warning错误
48. $content=@file_get_contents($capture_url);
50. //匹配a标签href属性中?之前部分的正则
51. $a_pattern = "|]+href=['\" ]?([^ '\"?]+)['\" >]|U";
52. preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER);
54. $tmp_arr=array(); //定义一个数组,用于存放当前循环下抓取图片的超链接地址
55. foreach ($a_out as $k => $v)
56. {
57. /**
58. * 去除超链接中的 空'','#','/'和重复值
59. * 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
60. * 2: 超链接为''或'#','/'也是本页面,这样也会陷入死循环,
61. * 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)
62. */
63. if ( $v[1] && !in_array($v[1],self::$a_url_arr) &&!in_array($v[1],array('#','/',$capture_url) ) )
64. {
65. $tmp_arr[]=$v[1];
66. }
67. }
69. foreach ($tmp_arr as $k => $v)
70. {
71. //超链接路径地址
72. if ( strpos($v, 'http://')!==false ) //如果url包含http://,可以直接访问
73. {
74. $a_url = $v;
75. }else //否则证明是相对地址, 需要重新拼凑超链接的访问地址
76. {
77. $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1);
78. $a_url=$domain_url.$v;
79. }
81. $this->recursive_download_images($a_url);
83. }
84. }
85. /**
86. * 下载当前网页下的所有图片
87. *
88. * @param String $capture_url 用于抓取图片的网页地址
89. * @return Array 当前网页上所有图片img标签url地址的一个数组
90. */
91. public function download_current_page_images($capture_url)
92. {
93. $content=@file_get_contents($capture_url); //屏蔽warning错误
95. //匹配img标签src属性中?之前部分的正则
96. $img_pattern = "|]+src=['\" ]?([^ '\"?]+)['\" >]|U";
97. preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);
99. $photo_num = count($img_out);
100. //匹配到的图片数量
101. echo '

     '.$capture_url . "共找到 " . $photo_num . " 张图片

     ";
102. foreach ($img_out as $k => $v)
103. {
104. $this->save_one_img($capture_url,$v[1]);
105. }
106. }
108. /**
109. * 保存单个图片的方法
110. *
111. * @param String $capture_url 用于抓取图片的网页地址
112. * @param String $img_url 需要保存的图片的url
113. *
114. */
115. public function save_one_img($capture_url,$img_url)
116. {
117. //图片路径地址
118. if ( strpos($img_url, 'http://')!==false )
119. {
120. // $img_url = $img_url;
121. }else
122. {
123. $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1);
124. $img_url=$domain_url.$img_url;
125. }
126. $pathinfo = pathinfo($img_url); //获取图片路径信息
127. $pic_name=$pathinfo['basename']; //获取图片的名字
128. 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
129. {
130. echo $img_url . '该图片已经抓取过!
     ';
131. return;
132. }
133. //将图片内容读入一个字符串
134. $img_data = @file_get_contents($img_url); //屏蔽掉因为图片地址无法读取导致的warning错误
135. if ( strlen($img_data) > $this->img_size ) //下载size比限制大的图片
136. {
137. $img_size = file_put_contents($this->save_path . $pic_name, $img_data);
138. if ($img_size)
139. {
140. echo $img_url . '图片保存成功!
     ';
141. } else
142. {
143. echo $img_url . '图片保存失败!
     ';
144. }
145. } else
146. {
147. echo $img_url . '图片读取失败!
     ';
148. }
149. }
150. } // END
152. set_time_limit(120); //设置脚本的最大执行时间 根据情况设置
153. $download_img=new download_image('E:/images/',0); //实例化下载图片对象
154. $download_img->recursive_download_images('http://bbs.it-home.org/'); //递归抓取图片方法
155. //$download_img->download_current_page_images($_POST['capture_url']); //只抓取当前页面图片方法
156. ?>

复制代码