关于PHP自定义采集图片脚本

上次看了韩顺平老师的自定义数据采集脚本视频，自己手痒了也想自己写一个玩玩，不料！就是这几十行的代码，我整整敲了一天才算完美过关，各种坑爹的事情不由分说，下面我来谈谈我深刻的体会！

因为是自己看着视频敲的，思路跟着视频走，但是还是很容易写错字符，或者错漏字符，当然了，我也没庆幸一遍就写完整（态度还是蛮好的），比如，在拼接GET请求的时候丢了拼接符号（.），稍微一看没错啊！心里肯定是人家防采集了（屁大点的网站，防个毛的采集），这个退缩的理由，让我在采集这边一直不敢去深究，采集要用到正则，而正则只是在我开始学习PHP的时候，看过一点点，知道是个怎么回事，其他的就不了了之，心里没底气呀，还好经过昨天跟今天，通过Discuz论坛的DXC采集跟Dedecms后台采集的反复研究，最终能够采集到数据，我还是挺欣慰的，这一关算是过了吧。

再其次，还是在模拟浏览器发送请求的时候，其中Host中的ost字符我一直跟着视频用的大写（HOST），但是老师视频里是能够正常请求相应到数据的，而我就是死活弄不出来，差点就放弃了，估计又要陷入深深的自卑当中吧，还好不厌其烦的我，用火狐Debug了一下，根据发送请求字符一个个对，当把host改过来就通过了，那一刻我想死的冲动都有了。

这个也许是最坑爹的吧，耽误了我几个小时，但是，下面还有更坑爹的，截掉头部信息，以及后面的几个字符串，才能获取到图片流的真正二进制码啊，视频里讲是后面11个字符，我也想过可能不一样，就把8到15都试了一遍，采集到的图片还是无效显示，接着又用狐火右键源码看了一把，把字符从0开始截取，最终测试结果是头部后面4个字符，才是图片的二进制码，调这个我也差点疯了，先是head(Content-Type:image/jpeg)浏览器显示图片，再是写入到text文件中看代码，又是Unicode编码保存等问题，又是PHP流的问题，跟着别的知识倒是看了不少，也许是视频老了吧，各种不合适。

所以，这些关键技术，还是要自己一点点过关才行，下面贴一下坑爹的代码：

<?php 
	
	set_time_limit(100);
	//1.连接到服务器（主机）网站
	$fp = fsockopen("www.a67.com",80,$error,$errstr,30);
	if(!$fp){
		die("连接失败 $error - $errstr");
	}
	
	//2.准备发送HTTP请求
	$httpstr = "GET /list/1/p.2 HTTP/1.1\r\n";
	$httpstr.= "HOST: www.a67.com\r\n";
	$httpstr.= "Connection: Close\r\n\r\n";
	
	//3.发送HTTP请求
	fwrite($fp,$httpstr,strlen($httpstr));
	
	//4.接收从a67返回的静态页内容
	$res="";	
	while(!feof($fp)){ //使用while循环读取，防止消耗高内存
		$res.=fread($fp,1024);
	}
	fclose($fp); //关闭连接，关闭文件流
	
	//5.现在使用正则表达式取出图片的路径
	$reg = '/<img alt="[^"]*" title="[^"]*" src="([^"]*)"/'; //子表达式
	preg_match_all($reg,$res,$arr);
	//print_r($arr[1]);die;
	
	//6.取出src中的图片，并保存到本地，即对$arr[1]进行遍历
	foreach($arr[1] as $v){
		$img_part_name = str_replace("http://img.a67.com","",$v);

		//7.连接到服务器（主机）网站
		$fp2 = fsockopen("img.a67.com",80,$error,$errstr,30);
		if(!$fp2){
			die("连接失败2 $error - $errstr");
		}
		
		$infos = pathinfo($img_part_name);
		
		//8.准备发送HTTP请求
		$httpstr2 = "GET $img_part_name HTTP/1.1\r\n";
		$httpstr2.= "Host: img.a67.com\r\n"; //这里的Host，后面三个字母要小写啊
		$httpstr2.= "Connection: Close\r\n\r\n";
		
		//echo $httpstr2; die;
		//9.发送HTTP请求
		fwrite($fp2,$httpstr2,strlen($httpstr2));
			
		//接收流,二进制的内容
		$img_str=""; 
		while(!feof($fp2)){
			$img_str.=fread($fp2,1024);
		}
		fclose($fp2); //关闭连接，关闭文件流，不关闭，会系统关闭
		
		$index = strpos($img_str,"\r\n\r\n");	
		$img_str = substr($img_str,$index+4);

		$path = "./myimages";
		if (!file_exists($path)){
			mkdir($path);
		}
		
		file_put_contents("{$path}/{$infos['basename']}",$img_str);
		
	}
	
	echo "采集成功";
	
?>