php的网站图片,PHP抓取网站图片脚本

classdownload_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) 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publicstatic$a_url_arr=array();

/**

*@param String $save_path 抓取图片的保存地址

*@param Int $img_size

*/publicfunction__construct($save_path,$img_size){$this->save_path=$save_path;

$this->img_size=$img_size;

if(!file_exists($save_path)){

mkdir($save_path,0775);

}

}

/**

* 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

*/publicfunctionrecursive_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_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_outas$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 ($tmp_arras$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

*/publicfunctiondownload_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 = "|

]+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$capture_url . "共找到 " . $photo_num . " 张图片\n";

foreach ($img_outas$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

*/publicfunctionsave_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.'该图片已经抓取过!'."\n";

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.'图片保存成功!'."\n";

} else {

echo$img_url.'图片保存失败!'."\n";

}

} else {

echo$img_url.'图片读取失败!'."\n";

}

}

}

set_time_limit(120); //设置脚本的最大执行时间 根据情况设置$download_img=new download_image('imgages/',0); //实例化下载图片对象//$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$download_img->download_current_page_images('http://www.jb51.net'); //只抓取当前页面图片方法?>