php采集网页替换图片
程序员文章站
2022-05-10 14:39:30
...
php采集网页替换图片 无 /** * 获取替换文章中的图片路径 * @param string $xstr 内容 * @param string $keyword 创建照片的文件名 * @param string $oriweb 网址 * @return string * */function replaceimg ($xstr, $keyword, $oriweb){ // 保存路径 $d = da
php采集网页替换图片
/** * 获取替换文章中的图片路径 * @param string $xstr 内容 * @param string $keyword 创建照片的文件名 * @param string $oriweb 网址 * @return string * */ function replaceimg ($xstr, $keyword, $oriweb) { // 保存路径 $d = date('Ymd', time()); //$dirslsitss = '/var/www/weblist/uploads/' . $keyword . '/' . $d; //分类是否存在 $dirslsitss = './uploads'; if (!is_dir($dirslsitss)) { @mkdir($dirslsitss, 0777); } // 匹配图片的src preg_match_all('#]*>#i', $xstr, $match); foreach($match[1] as $imgurl) { $imgurl = $imgurl; if (is_int(strpos($imgurl, 'http'))) { $arcurl = $imgurl; } else { $arcurl = $oriweb . $imgurl; } $img = file_get_contents($arcurl); if (!empty($img)) { // 保存图片到服务器 $fileimgname = time() . "-" . rand(1000, 9999) . ".jpg"; $filecachs = $dirslsitss . "/" . $fileimgname; $fanhuistr = file_put_contents($filecachs, $img); //$saveimgfile = "/uploads/$keyword" . "/" . $d . "/" . $fileimgname; $saveimgfile = "/uploads/" . $fileimgname; $xstr = str_replace($imgurl, $saveimgfile, $xstr); } } return $xstr; }
save_path=$save_path; $this->img_size=$img_size; } /** * 递归下载抓取首页及其子页面图片的方法 ( recursive 递归) * * @param String $capture_url 用于抓取图片的网址 * */ public function recursive_download_images($capture_url) { if (!in_array($capture_url,self::$a_url_arr)) //没抓取过 { self::$a_url_arr[]=$capture_url; //计入静态数组 } else //抓取过,直接退出函数 { return; } $this->download_current_page_images($capture_url); //下载当前页面的所有图片 //用@屏蔽掉因为抓取地址无法读取导致的warning错误 $content=@file_get_contents($capture_url); //匹配a标签href属性中?之前部分的正则 $a_pattern = "|]+href=['\" ]?([^ '\"?]+)['\" >]|U"; preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER); $tmp_arr=array(); //定义一个数组,用于存放当前循环下抓取图片的超链接地址 foreach ($a_out as $k => $v) { /** * 去除超链接中的 空'','#','/'和重复值 * 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 * 2: 超链接为''或'#','/'也是本页面,这样也会陷入死循环, * 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) */ if ( $v[1] && !in_array($v[1],self::$a_url_arr) &&!in_array($v[1],array('#','/',$capture_url) ) ) { $tmp_arr[]=$v[1]; } } foreach ($tmp_arr as $k => $v) { //超链接路径地址 if ( strpos($v, 'http://')!==false ) //如果url包含http://,可以直接访问 { $a_url = $v; }else //否则证明是相对地址, 需要重新拼凑超链接的访问地址 { $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1); $a_url=$domain_url.$v; } $this->recursive_download_images($a_url); } } /** * 下载当前网页下的所有图片 * * @param String $capture_url 用于抓取图片的网页地址 * @return Array 当前网页上所有图片img标签url地址的一个数组 */ public function download_current_page_images($capture_url) { $content=@file_get_contents($capture_url); //屏蔽warning错误 //匹配img标签src属性中?之前部分的正则 $img_pattern = "|]+src=['\" ]?([^ '\"?]+)['\" >]|U"; preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER); $photo_num = count($img_out); //匹配到的图片数量 echo ''.$capture_url . "共找到 " . $photo_num . " 张图片
"; foreach ($img_out as $k => $v) { $this->save_one_img($capture_url,$v[1]); } } /** * 保存单个图片的方法 * * @param String $capture_url 用于抓取图片的网页地址 * @param String $img_url 需要保存的图片的url * */ public function save_one_img($capture_url,$img_url) { //图片路径地址 if ( strpos($img_url, 'http://')!==false ) { // $img_url = $img_url; }else { $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1); $img_url=$domain_url.$img_url; } $pathinfo = pathinfo($img_url); //获取图片路径信息 $pic_name=$pathinfo['basename']; //获取图片的名字 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 { echo $img_url . '该图片已经抓取过!
'; return; } //将图片内容读入一个字符串 $img_data = @file_get_contents($img_url); //屏蔽掉因为图片地址无法读取导致的warning错误 if ( strlen($img_data) > $this->img_size ) //下载size比限制大的图片 { $img_size = file_put_contents($this->save_path . $pic_name, $img_data); if ($img_size) { echo $img_url . '图片保存成功!
'; } else { echo $img_url . '图片保存失败!
'; } } else { echo $img_url . '图片读取失败!
'; } } } // END set_time_limit(120); //设置脚本的最大执行时间 根据情况设置 $download_img=new download_image('pkg/',0); //实例化下载图片对象 $download_img->recursive_download_images('http://weibo.com/p/'); //递归抓取图片方法 //$download_img->download_current_page_images($_POST['capture_url']); //只抓取当前页面图片方法 ?>
下一篇: PHP+MYSQL的文章管理系统(二)