/**
* 远程抓取图片类
*/
class download_image{
//抓取图片的保存地址
public $save_path;
//抓取图片的大小限制单位字节,比size限制大的图片
public $img_size = 0;
//定义静态数组,记录曾经抓取过的超链接地址,避免重复抓取
public static $a_url_arr = array();
public function __construct($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
* $capture_url抓取图片的网址
*/
public function recursive_download_images($capture_url){
//没有抓取过
if(!in_array($capture_url, self::$a_url_arr)){
//放入静态数组
self::$a_url_arr[] = $capture_url;
}else{
//抓取过,直接退出函数
return;
}
//下载当前页面的所有图片
$this->download_current_page_images($capture_url);
//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);
//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
$tmp_arr = array();
foreach($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‘’或者‘#’,‘/’也是本页面,这样会陷入死循环
* 3.有时一个超链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,如果url包含http://可以直接访问
if(strpos($v, 'http://') !== false){
$a_url = $v;
}else{
//否则证明是相对地址,需要重新拼凑超链接访问地址
$domain_url = substr($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
*/
public function download_current_page_images($capture_url){
//屏蔽warning错误
$content = @file_get_contents($capture_url);
//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, $v[1]);
}
}
/*
* 保存单个图片的方法
* 用于抓取图片的网页地址,需要保存的图片的url
*/
public function save_one_img($capture_url, $img_url){
//图片路径地址
if(strpos($img_url, 'http://')!== false){
}else{
$domain_url = substr($capture_url, 0, strpos($capture_url, '/', 8)+1);
$img_url = $domain_url.$img_url;
}
//获取图片路径信息
$pathinfo = pathinfo($img_url);
//获取图片的名字
$pic_name = $pathinfo['basename'];
//如果图片存在,证明已经被抓取过,退出函数
if(file_exists($this->save_path.$pic_name)){
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
//屏蔽掉因为图片地址无法读取导致的warning错误
//下载size比限制大的图片
$img_data = @file_get_contents($img_url);
if(strlen($img_data) > $this->img_size){
$img_size = file_put_contents($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/>';
}
}
}
//设置脚本的最大执行时间
set_time_limit(120);
//实例化下载图片对象
$download_img = new download_image('E:/images/', 0);
// $download_img->recursive_download_images("http://www.nipic.com");
$download_img->download_current_page_images("http://www.itcast.cn/subject/pythonzly/index.shtml?from=160607a9");
* 远程抓取图片类
*/
class download_image{
//抓取图片的保存地址
public $save_path;
//抓取图片的大小限制单位字节,比size限制大的图片
public $img_size = 0;
//定义静态数组,记录曾经抓取过的超链接地址,避免重复抓取
public static $a_url_arr = array();
public function __construct($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
* $capture_url抓取图片的网址
*/
public function recursive_download_images($capture_url){
//没有抓取过
if(!in_array($capture_url, self::$a_url_arr)){
//放入静态数组
self::$a_url_arr[] = $capture_url;
}else{
//抓取过,直接退出函数
return;
}
//下载当前页面的所有图片
$this->download_current_page_images($capture_url);
//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);
//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
$tmp_arr = array();
foreach($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‘’或者‘#’,‘/’也是本页面,这样会陷入死循环
* 3.有时一个超链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,如果url包含http://可以直接访问
if(strpos($v, 'http://') !== false){
$a_url = $v;
}else{
//否则证明是相对地址,需要重新拼凑超链接访问地址
$domain_url = substr($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
*/
public function download_current_page_images($capture_url){
//屏蔽warning错误
$content = @file_get_contents($capture_url);
//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, $v[1]);
}
}
/*
* 保存单个图片的方法
* 用于抓取图片的网页地址,需要保存的图片的url
*/
public function save_one_img($capture_url, $img_url){
//图片路径地址
if(strpos($img_url, 'http://')!== false){
}else{
$domain_url = substr($capture_url, 0, strpos($capture_url, '/', 8)+1);
$img_url = $domain_url.$img_url;
}
//获取图片路径信息
$pathinfo = pathinfo($img_url);
//获取图片的名字
$pic_name = $pathinfo['basename'];
//如果图片存在,证明已经被抓取过,退出函数
if(file_exists($this->save_path.$pic_name)){
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
//屏蔽掉因为图片地址无法读取导致的warning错误
//下载size比限制大的图片
$img_data = @file_get_contents($img_url);
if(strlen($img_data) > $this->img_size){
$img_size = file_put_contents($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/>';
}
}
}
//设置脚本的最大执行时间
set_time_limit(120);
//实例化下载图片对象
$download_img = new download_image('E:/images/', 0);
// $download_img->recursive_download_images("http://www.nipic.com");
$download_img->download_current_page_images("http://www.itcast.cn/subject/pythonzly/index.shtml?from=160607a9");