<!-- wp:code -->

在web/index.php引入即可!
<!-- /wp:code --> <!-- wp:code -->
require(__DIR__ . '/../helper/DownloadImage.php');
<!-- /wp:code --> <!-- wp:code -->
<?php

/**
 * 一个用于抓取图片的类
 *
 * Created by ZhengNiu.
 * User: 77103
 * Date: 2019/3/26
 * Time: 14:23
 */

class DownloadImage
{
    public $save_path;//抓取图片的保存地址

    public $img_size = 0;//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 static $a_url_arr = [];//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

    /**
     *
     * downloadImage constructor.
     * @param string $save_path 抓取图片的保存地址
     * @param int $img_size 抓取图片的保存
     */
    public function __construct($save_path, $img_size)
    {
        header('Content-type:text/html;charset=utf-8');
        $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

        $content = @file_get_contents($capture_url);//用@屏蔽掉因为抓取地址无法读取导致的warning错误

        $a_pattern = "|<a1+href=['" ]?(2+)['" >]|U"; //匹配a标签href属性中?之前部分的正则

        preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER);

        $tmp_arr = []; //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] &amp;&amp; !in_array($v[1], self::$a_url_arr) &amp;&amp; !in_array($v[1], ['#', '/', $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));
                $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 $capture_url 用于抓取图片的网页地址
     */
    public function download_current_page_images($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
        $img_pattern = "|<img1+src=['" ]?(3+)['" >]|U";
        preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);
        Logic::p($img_out);
        $photo_num = count($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));
            $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/>';
        }
    }
}

<!-- /wp:code -->

<!-- wp:paragraph -->
<p> 调用上述类 </p>
<!-- /wp:paragraph -->

<!-- wp:code -->

/**
     * 抓取图片
     */
    public function actionGetpicture()
    {
        set_time_limit(120);   //设置脚本的最大执行时间 根据情况设置
        $download_img = new DownloadImage('E:/images/', 0);  //实例化下载图片对象
        $download_img->recursive_download_images('http://www.moxingyun.com/');
        //递归抓取图片方法
        ////$download_img->download_current_page_images($_POST['capture_url']);   //只抓取当前页面图片方法
    }

<!-- /wp:code -->

<!-- wp:paragraph -->
<p>结束了。</p>
<!-- /wp:paragraph -->


  1. >
  2. '"?
  3. '"?

关注友儿不迷路

Last modification:July 16th, 2019 at 02:08 pm
如果觉得我的文章对你有用,请随意赞赏