如何在PHP中使用Snoopy類抓取圖片

如何在PHP中使用Snoopy類抓取圖片？相信很多沒有經(jīng)驗(yàn)的人對此束手無策，為此本文總結(jié)了問題出現(xiàn)的原因和解決方法，通過這篇文章希望你能解決這個(gè)問題。

php有什么用

php是一個(gè)嵌套的縮寫名稱，是英文超級文本預(yù)處理語言，它的語法混合了C、Java、Perl以及php自創(chuàng)新的語法，主要用來做網(wǎng)站開發(fā)，許多小型網(wǎng)站都用php開發(fā)，因?yàn)閜hp是開源的，從而使得php經(jīng)久不衰。

使用方法：

下載Snoopy類，并實(shí)例化一個(gè)對象，然后調(diào)用相應(yīng)的方法即可獲取抓取的網(wǎng)頁信息

代碼如下:

include 'snoopy/Snoopy.class.php';
   
$snoopy = new Snoopy();
   
$sourceURL = "http://kemok4.com";
$snoopy->fetchlinks($sourceURL);
   
$a = $snoopy->results;

它并沒有提供獲取網(wǎng)頁中所有圖片地址的方法，自己有個(gè)需求是要獲取一個(gè)頁面中所有文章列表中圖片地址。然后自己就寫了一個(gè)，主要還是正則那里匹配重要。

復(fù)制代碼 代碼如下:

//匹配圖片的正則表達(dá)式
 $reTag = "/<img[^s]+src="(http://[^"]+).(jpg|png|gif|jpeg)"[^/]*/>/i";

因?yàn)樾枨蟊容^特殊，只需要抓取寫死htp://開頭的圖片（外站的圖片可能使得了防盜鏈，想先抓取到本地）

1.抓取指定網(wǎng)頁，并篩選出預(yù)期的所有文章地址；

2.循環(huán)抓取第一步中的文章地址，然后使用匹配圖片的正則表達(dá)式進(jìn)行匹配，獲取頁面中所有符合規(guī)則的圖片地址；

3.根據(jù)圖片后綴和ID（這里只有g(shù)if、jpg）保存圖片---如果此圖片文件存在，先將其刪除再保存。

復(fù)制代碼 代碼如下:

<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;
    $re = "/d+.html$/";
   
    //過濾獲取指定的文件地址請求
    foreach ($a as $tmp) {
        if (preg_match($re, $tmp)) {
            getImgURL($tmp);
        }
    }
   
    function getImgURL($siteName) {
        $snoopy = new Snoopy();
        $snoopy->fetch($siteName);
       
        $fileContent = $snoopy->results;
       
        //匹配圖片的正則表達(dá)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]);
            }
        }
    }
   
    function saveImgURL($name, $suffix) {
        $url = $name.".".$suffix;
       
        echo "請求的圖片地址：".$url."<br/>";
       
        $imgSavePath = "E:/xxx/style/images/";
        $imgId = preg_replace("/^.+/(d+)$/", "\1", $name);
        if ($suffix == "gif") {
            $imgSavePath .= "emotion";
        } else {
            $imgSavePath .= "topic";
        }
        $imgSavePath .= ("/".$imgId.".".$suffix);
       
        if (is_file($imgSavePath)) {
            unlink($imgSavePath);
            echo "<p style='color:#f00;'>文件".$imgSavePath."已存在，將被刪除</p>";
        }
       
        $imgFile = file_get_contents($url);
        $flag = file_put_contents($imgSavePath, $imgFile);
       
        if ($flag) {
            echo "<p>文件".$imgSavePath."保存成功</p>";
        }
    }
?>

在使用php抓取網(wǎng)頁：內(nèi)容、圖片、鏈接的時(shí)候，我覺得最重要的還是正則(根據(jù)抓取的內(nèi)容和指定的規(guī)則獲取想要的數(shù)據(jù))，思路其實(shí)都比較簡單，用到的方法也并不多，也就那幾個(gè)（而且抓取內(nèi)容還是直接調(diào)用別人寫好的類中的方法就可以了）

但之前想過的是php似乎并沒有實(shí)現(xiàn)如下的方法，比如一個(gè)文件中有N行(N很大)，需要將其中符合規(guī)則的行內(nèi)容進(jìn)行替換，如第3行是aaa需要轉(zhuǎn)成bbbbb。一般的需要修改文件時(shí)的常見做法：

1.一次讀取整個(gè)文件（或是逐行讀?。?，然后使用臨時(shí)文件進(jìn)行保存最終轉(zhuǎn)換后的結(jié)果，再替換原始文件

2.逐行讀取，使用fseek控制文件指針的位置，然后fwrite寫入

方案1在文件較大時(shí)，一次讀取不可?。ㄖ鹦凶x取，然后寫入臨時(shí)文件再替換原始文件效率感覺也不高），方案2則在被替換的字符串長度小于等于目標(biāo)值時(shí)沒問題，但超過了則會有問題，它會“越界”，將下一行的數(shù)據(jù)也打亂了（不能像JavaScript中有“選區(qū)”的概念，使用新的內(nèi)容進(jìn)行替換）。

下面是使用方案2做試驗(yàn)的代碼：

復(fù)制代碼 代碼如下:

<?php
$mode = "r+";
$filename = "d:/file.txt";
$fp = fopen($filename, $mode);
if ($fp) {
 $i = 1;
 while (!feof($fp)) {
    $str = fgets($fp);
    echo $str;
    if ($i == 1) {
      $len = strlen($str);
      fseek($fp, -$len, SEEK_CUR);//指針向前移動
      fwrite($fp, "123");
    }
    i++;
  }
  fclose($fp);
}
?>

看完上述內(nèi)容，你們掌握如何在PHP中使用Snoopy類抓取圖片的方法了嗎？如果還想學(xué)到更多技能或想了解更多相關(guān)內(nèi)容，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！