PHP采集类Snoopy抓取图片实例
127 浏览量
2020-12-18
12:04:00
上传
评论
收藏 68KB PDF 举报
PHP采集类采集类Snoopy抓取图片实例抓取图片实例
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
复制代码 代码如下:
include ‘snoopy/Snoopy.class.php’;
$snoopy = new Snoopy();
$sourceURL = “https://www.jb51.net”;
$snoopy->fetchlinks($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。
复制代码 代码如下:
//匹配图片的正则表达式
$reTag = “/<img[^s]+src=”(http://[^”]+).(jpg|png|gif|jpeg)”[^/]*/>/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。
复制代码 代码如下:
<meta http-equiv=’content-type’ content=’text/html;charset=utf-8′>
<?php
include ‘snoopy/Snoopy.class.php’;
$snoopy = new Snoopy();
$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 ($a as $tmp) {
if (preg_match($re, $tmp)) {
getImgURL($tmp);
}
}
function getImgURL($siteName) {
$snoopy = new Snoopy();
$snoopy->fetch($siteName);
$fileContent = $snoopy->results;
//匹配图片的正则表达式
$reTag = “/<img[^s]+src=”(http://[^”]+).(jpg|png|gif|jpeg)”[^/]*/>/i”;
if (preg_match($reTag, $fileContent)) {
$ret = preg_match_all($reTag, $fileContent, $matchResult);
for ($i = 0, $len = count($matchResult[1]); $i < $len; ++$i) {
saveImgURL($matchResult[1][$i], $matchResult[2][$i]);
}
资源评论
