PHP采集静态页面并把页面css,img,js保存的方法

2024-05-04 23:29:16

字体：大中小

来源：转载

供稿：网友

这篇文章主要介绍了PHP采集静态页面并把页面css,img,js保存的方法,可以实现简单的网页抓取功能,具有一定的参考借鉴价值,需要的朋友可以参考下

本文实例讲述了PHP采集静态页面并把页面css,img,js保存的方法。分享给大家供大家参考。具体分析如下：

这是一个可以获取网页的html代码以及css,js,font和img资源的小工具,主要用来快速获取模板,如果你来不及设计UI或者看到不错的模板,则可以使用这个工具来抓取网页和提取资源文件,提取的内容会按相对路径来保存资源,因此你不必担心资源文件的错误url导入.

首页 index.php,代码如下:

复制代码代码如下:

		<!DOCTYPE html> 
		<html> 
		<head> 
		<meta name="author" content="flute" /> 
		<meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> 
		<title>网页抓取器</title> 
		<link rel="stylesheet" href="main.css" media="all" /> 
		<script type="text/javascript" src="jquery.js"></script> 
		<script type="text/javascript" src="main.js"></script> 
		</head> 
		<body> 
		<h1>Web Grabber</h1> 
		<hr /> 
		<div class="box"> 
		  <h2>Url</h2> 
		  <div class="form"> 
		    <input type="text" id="project" value="projectname" /> 
		    <input type="text" id="url" value="http://" size="60" /> 
		    <button class="submit" type="button">Get</button><span id="tip"></span> 
		  </div>
		</div> 
		<div class="box"> 
		  <span class="all" id="saveall">Save All</span> 
		  <h2>List</h2> 
		  <ul id="list"> 
		  </ul> 
		</div> 
		</body> 
		</html>

抓取页面代码 grab.php,代码如下:

复制代码代码如下:

<?PHP
/*
* flute
* 2014/03/31
*/

if(isset($_POST['url'])) {
if(isset($_POST['project']) && !is_dir($_POST['project'])) mkdir($_POST['project'], 0777);
echo json_encode(grab($_POST['url']));
}

function grab($url) {
//$url = 'http://ldixing-wordpress.stor.sinaapp.com/uploads/leaves/test.html';
$data = array();
$file = preg_replace('/^.*//', '', $url);

if(($content = file_get_contents($url)) !== false) {

   if(isset($_POST['project'])) file_put_contents($_POST['project'].'/'.$file, $content);

   $pattern = '/<link.*?href=('|")(.*?.css)1.*?>/i';
   if(preg_match_all($pattern, $content, $matches)) {
    $data['css'] = $matches[2];
   }

   $pattern = '/<script.*?src=('|")(.*?.js)1.*?>/i';
   if(preg_match_all($pattern, $content, $matches)) {
    $data['js'] = $matches[2];
   }

   $pattern = '/<img.*?src=('|")(.*?)1.*?>/i';
   if(preg_match_all($pattern, $content, $matches)) {
    $data['img'] = $matches[2];
   }

   $pattern = '/url(('|"|s)(.*?)1)/i';
   if(preg_match_all($pattern, $content, $matches)) {
    $data['src'] = $matches[2];
   }
}

return $data;
}

function vardump($obj) {
echo '<pre>';
print_r($obj);
echo '</pre>';
}
?>

保存css,js,img等资源的页面 save.php,代码如下:

复制代码代码如下:

		<?PHP 
		 /* 
		 *  flute 
		 *  2014/03/31 
		 */ 
		 
		 if(isset($_POST['url']) && isset($_POST['project']) && isset($_POST['domain'])) { 
		  extract($_POST); 
		  $url = preg_replace('/?.*$/', '', $url); 
		  $file = $url; 
		  $arr = explode('/', $file); 
		  $length = sizeof($arr); 
		  $filename = $arr[$length - 1]; 
		  $root = $project; 
		  $dir = $root; 
		 
		  if($domain == 'http') { 
		   $dir = $root.'/http'; 
		   if(!is_dir($dir)) mkdir($dir, 0777); 
		  } else { 
		   $file = $domain.'/'.$url; 
		   for($i = 0; $i < $length -1; $i++) { 
		    if(!emptyempty($arr[$i])) { 
		     $dir .= '/'.$arr[$i]; 
		     if(!is_dir($dir)) mkdir($dir, 0777); 
		    }
		   } 
		  } 
		  if(!file_exists($dir.'/'.$filename) || filesize($dir.'/'.$filename) == 0) { 
		   $content = file_get_contents($file); 
		   file_put_contents($dir.'/'.$filename, $content); 
		  } 
		 } 
		?>