PHP封装的远程抓取网站图片并保存功能类

本文实例讲述了PHP封装的远程抓取网站图片并保存功能类。分享给大家供大家参考，具体如下：

<?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 $img_url . '<span style="color:red;margin-left:80px">图片读取失败!</span><br/>';    }  }} // ENDset_time_limit(120);   //设置脚本的最大执行时间 根据情况设置$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?>