<?
php
/**
* 一个用于抓取图片的类
*
* @package default
* @author WuJunwei
*/
class download_image
{
public $save_path;
//抓取图片的保存地址
//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
public $img_size=0
;
//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
public static $a_url_arr=
array();
/**
* @param String $save_path 抓取图片的保存地址
* @param Int $img_size 抓取图片的保存地址
*/
public function __construct(
$save_path,
$img_size)
{
$this->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 = "|<a[^>]+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 = "|<img[^>]+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 '<h1>'.
$capture_url . "共找到 " .
$photo_num . " 张图片</h1>"
;
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 . '<span style="color:red;margin-left:80px">该图片已经抓取过!</span><br/>'
;
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 . '<span style="color:green;margin-left:80px">图片保存成功!</span><br/>'
;
} else
{
echo $img_url . '<span style="color:red;margin-left:80px">图片保存失败!</span><br/>'
;
}
} else
{
echo $img_url . '<span style="color:red;margin-left:80px">图片读取失败!</span><br/>'
;
}
}
} // 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('E:/images/',0);
//实例化下载图片对象
$download_img->recursive_download_images('http://www.oschina.net/');
//递归抓取图片方法
//$download_img->download_current_page_images($_POST['capture_url']); //只抓取当前页面图片方法
?>
转载于:https://www.cnblogs.com/hgj123/p/5663809.html
相关资源：PHP封装的远程抓取网站图片并保存功能类
