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:
include'snoopy/Snoopy.class.php';
$snoopy=newSnoopy();
$sourceURL="https://www.adminn.cn";
$snoopy->fetchlinks($sourceURL);
$a=$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:
//匹配图片的正则表达式
$reTag="//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:
include'snoopy/Snoopy.class.php';
$snoopy=newSnoopy();
$sourceURL="http://xxxxx";
$snoopy->fetchlinks($sourceURL);
$a=$snoopy->results;
$re="/d+.html$/";
//过滤获取指定的文件地址请求
foreach($aas$tmp) {
if(preg_match($re,$tmp)) {
getImgURL($tmp);
}
}
functiongetImgURL($siteName) {
$snoopy=newSnoopy();
$snoopy->fetch($siteName);
$fileContent=$snoopy->results;
//匹配图片的正则表达式
$reTag="//i";
if(preg_match($reTag,$fileContent)) {
$ret= preg_match_all($reTag,$fileContent,$matchResult);
for($i= 0,$len=count($matchResult[1]);$i
saveImgURL($matchResult[1][$i],$matchResult[2][$i]);
}
}
}
functionsaveImgURL($name,$suffix) {
$url=$name.".".$suffix;
echo"请求的图片地址:".$url."
";
$imgSavePath="E:/xxx/style/images/";
$imgId= preg_replace("/^.+/(d+)$/","\1",$name);
if($suffix=="gif") {
$imgSavePath.="emotion";
} else{
$imgSavePath.="topic";
}
$imgSavePath.= ("/".$imgId.".".$suffix);
if(is_file($imgSavePath)) {
unlink($imgSavePath);
echo"
文件".$imgSavePath."已存在,将被删除
";}
$imgFile=file_get_contents($url);
$flag=file_put_contents($imgSavePath,$imgFile);
if($flag) {
echo"
文件".$imgSavePath."保存成功
";}
}
?>
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:
$mode="r+";
$filename="d:/file.txt";
$fp=fopen($filename,$mode);
if($fp) {
$i= 1;
while(!feof($fp)) {
$str=fgets($fp);
echo$str;
if($i== 1) {
$len=strlen($str);
fseek($fp, –$len, SEEK_CUR);//指针向前移动
fwrite($fp,"123");
}
i++;
}
fclose($fp);
}
?>
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…