php远程抓取网站图片并保存

    <?php  
      
    /** 
     * 一个用于抓取图片的类 
     * 
     * @package default 
     * @author  WuJunwei 
     */  
    class download_image   
    {  
          
        public $save_path;                  //抓取图片的保存地址  
      
        //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         
        public static $a_url_arr=array();     
          
        /** 
         * @param String $save_path    抓取图片的保存地址 
         * @param Int    $img_size     抓取图片的保存地址 
         */  
        public function __construct($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  ( recursive 递归) 
         * 
         * @param   String  $capture_url  用于抓取图片的网址 
         *  
         */  
        public function recursive_download_images($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  
            $a_pattern = "|<a[^>]+href=['\" ]?([^ '\"?]+)['\" >]|U";     
            preg_match_all($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_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'#','/'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_arr as $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  $capture_url  用于抓取图片的网页地址 
         * @return  Array   当前网页上所有图片img标签url地址的一个数组 
         */  
        public function download_current_page_images($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  
            $img_pattern = "|<img[^>]+src=['\" ]?([^ '\"?]+)['\" >]|U";     
            preg_match_all($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  
         * 
         * @param String $capture_url   用于抓取图片的网页地址 
         * @param String $img_url       需要保存的图片的url 
         *  
         */  
        public function save_one_img($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 . '<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  
            $img_data = @file_get_contents($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 . '<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/>';  
            }   
        }   
    } // END  
      
    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('E:/images/',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  
      
    ?>