当前位置:首页 > PHP教程 > php应用 > 列表

PHP采集类Snoopy抓取图片实例

发布:smiling 来源: PHP粉丝网  添加日期:2021-02-22 15:49:53 浏览: 评论:0 

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:http://sourceforge.net/projects/snoopy/

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

代码如下:

  1. include 'snoopy/Snoopy.class.php'
  2.     
  3. $snoopy = new Snoopy(); 
  4.     
  5. $sourceURL = "https://www.phpfensi.com"
  6. $snoopy->fetchlinks($sourceURL); 
  7.     
  8. $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,代码如下:

  1. //匹配图片的正则表达式 
  2.  $reTag = "/<img[^s]+src="(http://[^"]+).(jpg|png|gif|jpeg)"[^/]*/>/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,代码如下:

  1. <meta http-equiv='content-type' content='text/html;charset=utf-8'
  2. <?php 
  3.     include 'snoopy/Snoopy.class.php'
  4.     
  5.     $snoopy = new Snoopy(); 
  6.     
  7.     $sourceURL = "http://xxxxx"
  8.     $snoopy->fetchlinks($sourceURL); 
  9.     
  10.     $a = $snoopy->results; 
  11.     $re = "/d+.html$/"
  12.     
  13.     //过滤获取指定的文件地址请求 
  14.     foreach ($a as $tmp) { 
  15.         if (preg_match($re$tmp)) { 
  16.             getImgURL($tmp); 
  17.         } 
  18.     } 
  19.     
  20.     function getImgURL($siteName) { 
  21.         $snoopy = new Snoopy(); 
  22.         $snoopy->fetch($siteName); 
  23.         
  24.         $fileContent = $snoopy->results; 
  25.         
  26.         //匹配图片的正则表达式 
  27.         $reTag = "/<img[^s]+src="(http://[^"]+).(jpg|png|gif|jpeg)"[^/]*/>/i"; 
  28.         
  29.         if (preg_match($reTag$fileContent)) { 
  30.             $ret = preg_match_all($reTag$fileContent$matchResult); 
  31.             
  32.             for ($i = 0, $len = count($matchResult[1]); $i < $len; ++$i) { 
  33.                 saveImgURL($matchResult[1][$i], $matchResult[2][$i]); 
  34.             } 
  35.         } 
  36.     } 
  37.     
  38.     function saveImgURL($name$suffix) { 
  39.         $url = $name.".".$suffix
  40.         
  41.         echo "请求的图片地址:".$url."<br/>"
  42.         
  43.         $imgSavePath = "E:/xxx/style/images/"
  44.         $imgId = preg_replace("/^.+/(d+)$/""\1"$name); 
  45.         if ($suffix == "gif") { 
  46.             $imgSavePath .= "emotion"
  47.         } else { 
  48.             $imgSavePath .= "topic"
  49.         } 
  50.         $imgSavePath .= ("/".$imgId.".".$suffix); 
  51.         
  52.         if (is_file($imgSavePath)) { 
  53.             unlink($imgSavePath); 
  54.             echo "<p style='color:#f00;'>文件".$imgSavePath."已存在,将被删除</p>"
  55.         } 
  56.         
  57.         $imgFile = file_get_contents($url); 
  58.         $flag = file_put_contents($imgSavePath$imgFile); 
  59.         
  60.         if ($flag) { 
  61.             echo "<p>文件".$imgSavePath."保存成功</p>"
  62.         } 
  63.     } 
  64. ?> 

在使用php抓取网页:内容、图片、链接的时候,我觉得最重要的还是正则(根据抓取的内容和指定的规则获取想要的数据),思路其实都比较简单,用到的方法也并不多,也就那几个(而且抓取内容还是直接调用别人写好的类中的方法就可以了)

但之前想过的是php似乎并没有实现如下的方法,比如一个文件中有N行(N很大),需要将其中符合规则的行内容进行替换,如第3行是aaa需要转成bbbbb。一般的需要修改文件时的常见做法:

1.一次读取整个文件(或是逐行读取),然后使用临时文件进行保存最终转换后的结果,再替换原始文件

2.逐行读取,使用fseek控制文件指针的位置,然后fwrite写入

方案1在文件较大时,一次读取不可取(逐行读取,然后写入临时文件再替换原始文件效率感觉也不高),方案2则在被替换的字符串长度小于等于目标值时没问题,但超过了则会有问题,它会“越界”,将下一行的数据也打乱了(不能像JavaScript中有“选区”的概念,使用新的内容进行替换)。

下面是使用方案2做试验的代码:

  1. <?php 
  2. $mode = "r+"
  3. $filename = "d:/file.txt"
  4. $fp = fopen($filename$mode); 
  5. if ($fp) { 
  6.  $i = 1; 
  7.  while (!feof($fp)) { 
  8.     $str = fgets($fp); 
  9.     echo $str
  10.     if ($i == 1) { 
  11.       $len = strlen($str); 
  12.       fseek($fp, -$len, SEEK_CUR);//指针向前移动 
  13.       fwrite($fp"123"); 
  14.     } 
  15.     i++; 
  16.   } 
  17.   fclose($fp); 
  18. ?> 

先读取一行,此时文件指针其实是指到下一行开头,使用fseek将文件指针回移到上一行起始位置,然后使用fwrite进行替换操作,正因为是替换操作,在不指定长度的情况下,它把影响到下一行的数据,而我想要的是只想针对这一行进行操作,例如删除这一行或是整行只替换为一个1,上面的例子达不到要求,或许是我还没有找到合适的方法…

Tags: PHP采集类 Snoopy

分享到: