php 抓取网站图片的简单程序

PHP下载CSS文件中的图片

<?
function getImagesFromCssFile() {
//note 设置PHP超时时间
    set_time_limit(0);

//note 取得样式文件内容
    $styleFileContent = file_get_contents('images/style.css');

//note 匹配出需要下载的URL地址
    preg_match_all("/url\(.+?\)/", $styleFileContent, $imagesURLArray);

//note 循环需要下载的地址，逐个下载
    $imagesURLArray = array_unique($imagesURLArray[0]);
    foreach ($imagesURLArray as $imagesURL) {
        $imagesURL = str_ireplace(array("url(", ")", "'",'"'), '', $imagesURL);  //url(" ") url('')
        if (preg_match('/^http.*/', $imagesURL)) {   //跳过网络图片
            continue;
        }
        file_put_contents(basename($imagesURL), file_get_contents($imagesURL));
    }
}

 

<?php
/*完成网页内容捕获功能*/
function get_img_url($site_name) {
    $site_fd = fopen($site_name, "r");
    $site_content = "";
    while (!feof($site_fd)) {
        $site_content .= fread($site_fd, 1024);
    }
    /*利用正则表达式得到图片链接*/
    $reg_tag = '/<img.*?\"([^\"]*(jpg|bmp|jpeg|gif)).*?>/';
    $ret = preg_match_all($reg_tag, $site_content, $match_result);
    fclose($site_fd);
    return $match_result[1];
}

/* 对图片链接进行修正 */
function revise_site($site_list, $base_site) {
    foreach ($site_list as $site_item) {
        if (preg_match('/^http/', $site_item)) {
            $return_list[] = $site_item;
        } else {
            $return_list[] = $base_site . "/" . $site_item;
        }
    }
    return $return_list;
}

/*得到图片名字，并将其保存在指定位置*/
function get_pic_file($pic_url_array, $pos) {
    $reg_tag = '/.*\/(.*?)$/';
    $count = 0;
    foreach ($pic_url_array as $pic_item) {
        $ret = preg_match_all($reg_tag, $pic_item, $t_pic_name);
        $pic_name = $pos . $t_pic_name[1][0];
        $pic_url = $pic_item;
        print("Downloading " . $pic_url . "\n");
        $img_read_fd = fopen($pic_url, "r");
        $img_write_fd = fopen($pic_name, "w");
        $img_content = "";
        while (!feof($img_read_fd)) {
            $img_content .= fread($img_read_fd, 1024);

        }
        fwrite($img_write_fd, $img_content);
        fclose($img_read_fd);
        fclose($img_write_fd);
        print("[OK]\n");
    }
    return 0;
}

function main() {
    /* 待抓取图片的网页地址 */
    $site_name = "http://image.cn.yahoo.com";
    $img_url = get_img_url($site_name);
    $img_url_revised = revise_site($img_url, $site_name);
    $img_url_unique = array_unique($img_url_revised); //unique array
    get_pic_file($img_url_unique, "./");
}

main();
?>

此程序略有不足，如果图片在网站服务器上不同目次下但文件名是相同的，此时图片有可能是不一样的，但在最后生存时，后面得到的图片会将前边已生存的图片覆 盖掉，如在http://example.com/网站上有图片链接http://example.com/pic/test1.jpg和http: //example.com/pic/new/test1.jpg那么在下载时这两张图片只有一张生存，另外一张就被覆盖掉，修正的方法是在每派生的存前 先检索当前目次下是否已有此文件名，有的话对将派生的存的图片从头命名即可。

<?php
//取得页面所有的图片地址

function getimages($str){

    $match_str = "/((http://)+([^ rn()^$!`"'|[]{}<>]*)((.gif)|(.jpg)|(.bmp)|(.png)|(.GIF)|(.JPG)|(.PNG)|(.BMP)))/";

    preg_match_all ($match_str,$str,$out,PREG_PATTERN_ORDER);

    return $out;

}?>