PHP+Ajax远程图片抓取器下载的例子

　　先看效果

　　

　　实现原理

　　发送请求：将输入的目标网址及保存路径名称采用AJAX异步的方式发送到image.info.php文件，该文件中包含有一个ImageCatch类,注意：因为有一个是指定目标图片抓取，一个是只要指定一个网址，如http://www.111cn.net形式，所以还要有一个参数用来判断是指定目标抓取还是指定网站抓龋

　　接收请求：接收发送过来的两个参数，目标网址及保存路径，实例化ImageCatch类，将地址及保存路径传进去，用file_get_contents函数将目标地址的内容读取赋值给一个变量$content。

　　先说指定图片抓取的实现：指定图片抓取的方法实现比较简单，直接用file_get_contents函数将图片读取到，再用file_put_contents写入到一个文件保存起来就可以了。

　　指定网址抓取图片的实现

　　方法跟指定图片地址抓取就有点不一样了，因为采用的是jquery+ajax无刷新模式抓取，所以，请求要一次一次发，先说第一次发什么请求，很显然，第一次发的请求内容是获取目标网址的所有图片地址及图片总数，那要怎样获取目标网址的所有图片地址呢?思路跟上面的一样，但方法不同;

　　第一步：用file_get_contents函数读取目标网址赋值给一个content变量。

　　第二步：用正则匹配所有img标签里的src属性，并保存在一个数组，这样网页的图片地址就已经拿到了

　　第三步：用正则匹配所有样式表文件link标签的href属性，并保存在一个数组$arr1

　　第四步：还是用file_get_contents函数读取获取的样式表文件，再用正则去匹配到css样式里的url背景图片地址，并保存在一个数组$arr2，这样css样式的图片又拿到了

　　第五步：将$arr1和$arr2用array_merge函数进行合并成$arr，再用一个数组$arr3(‘total’=>count($arr))得出图片总数并追加到数组$arr里面去，这样图片地址和总数都拿到了

　　第六步：用json_encode编译一个返回json数据第七步：接收返回回来的json数据，将数据都存入一个数组，判断是否数组为空，不为空，则用函数递归的方法调用一个函数，每调用一次，在返回结果后就将该数组的第一个元素去掉，再判断数组是否为空，不为空，则继续发送抓取请求，直到数组为空，全部图片就已经都抓取完毕。

　　好了现在看例子

　　index.php

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

代码如下

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

　　<html xmlns="http://www.w3.org/1999/xhtml">

　　<head>

　　<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />

　　<title>PHP远程图片抓取</title>

　　<style>

　　body { margin:0; padding:0; }

　　#content { width:90%; height:auto; margin:0 auto; margin-top:20px; font-size:12px; color:#333; }

　　#content .h1 { width:100%; line-height:30px; text-align:left; }

　　#content .h2 { width:100%; line-height:30px; text-align:left; }

　　#content .Schedule { width:auto; height:12px; margin:15px 0px; display:none; background:url() }

　　#content ul { width:100%; height:auto; margin-top:10px; }

　　#content ul li { height:24px; line-height:24px;}

　　#content font { color:#f00; }

　　</style>

　　<script type="text/javascript" src="js/jquery.js"></script>

　　<script>

　　$(document).ready(function() {

　　   var TargetUrl;

　　var Save;

　　function error(info) {

　　 $('#content .h2 font').text(info);

　　}

　　function statusInfo(info) {

　　 $('#content ul').append('<li>'+info+'</li>');

　　}

　　//禁用按钮

　　function start_d() {

　　 $('#Single,#more').attr('disabled','disabled');

　　}

　　//解放按钮

　　function start_s() {

　　 $('#Single,#more').removeProp('disabled');

　　}

　　//进度跳转

　　function href() {

　　 location.href='#bottom';

　　}

　　//单个图片抓取

　　$('#content .h1 #Single').click(function() {

　　 TargetUrl=$('#content .h2 .TargetUrl').val();

　　 Save=$('#content .h2 .Save').val();

　　 if (TargetUrl=='') {

　　   error(' * 请填写目标网址');

　　   return;

　　 }

　　 if (Save=='') {

　　   error(' * 请填写保存目录');

　　   return;

　　 }

　　 var zurl=new Array(TargetUrl);

　　 start_d();

　　 Crawl(zurl,Save);

　　});

　　function Crawl(zurl,Save) {

　　 start_d();

　　 $('#content .Schedule').show();

　　 if (zurl.length>0) {

　　   var curl=zurl[0];

　　 $.ajax({

　　   url:'image.info.php?Single=Single',

　　   dataType:'json',

　　   type:'POST',

　　   data:'TargetUrl='+curl+'&Save='+Save,

　　   success: function(data) {

　　    if (data.status=='ok') {

　　     statusInfo('远程图片 <font>'+curl+'</font> 抓取成功已保存在 <font>'+data.FileSave+'</font>文件大小：<font>'+data.FileSize+'</font>');

　　     zurl.shift(); //删除第一个数组元素并返回

　　     Crawl(zurl,Save); //使用函数递归

　　     href();

　　    }else {

　　     zurl.shift(); //删除第一个数组元素并返回

　　     Crawl(zurl,Save); //使用函数递归

　　     statusInfo(data.status); //显示失败信息

　　     $('#content .Schedule').hide(); //隐藏LOADING图片

　　     start_s();   //按钮启用

　　     href();

　　    }

　　   }

　　 });

　　 }else {

　　   $('#content .Schedule').hide();

　　   statusInfo('图片抓取完毕');

　　   start_s();

　　   href();

　　 }

　　}

　　//多个图片抓取

　　$('#content .h1 #more').click(function() {

　　 TargetUrl=$('#content .h2 .TargetUrl').val();

　　 Save=$('#content .h2 .Save').val();

　　 if (TargetUrl=='') {

　　   error(' * 请填写目标网址');

　　   return;

　　 }

　　 var str=/^(htt

ps?://)?([da-z.-]+).([a-z.]{2,6})([/w .-]*)*/?$/;

　　 if (!str.test(TargetUrl)) {

　　   error(' * 目标网址不正确');

　　   return;

　　 }

　　 if (Save=='') {

　　   error(' * 请填写保存目录');

　　   return;

　　 }

　　 start_d();

　　 $('#content .Schedule').show();

　　 $.ajax({

　　   url:'image.info.php?more=more',

　　   dataType:'json',

　　   type:'POST',

　　   data:'TargetUrl='+TargetUrl+'&Save='+Save,

　　   success: function(data) {

　　    if (data[0]!='no') {

　　     statusInfo('在目标网址 <font>'+TargetUrl+'</font> 找到<font>'+data['total']+'</font>张图片，现正在进行抓取....');

　　     var zurl=new Array();

　　     for (i=0; i<data['total']; i++) {

　　      zurl.push(data[i]);

　　     }

　　     Crawl(zurl,Save);

　　    }else {

　　     statusInfo("未抓取找到任何图片");

　　     $('#content .Schedule').hide();

　　     start_s();

　　    }

　　   }

　　 });

　　});

　　$('#clear').click(function() {

　　 $('#content ul li').remove();

　　});

　　});

　　</script>

　　</head>

　　<body>

　　<div id="content">

　　<h1>PHP远程图片抓取程序</h1>

　　<div class="h1">

　　   指定图片抓取：<input type="button" value=" 开始抓取 " id="Single" /><font>目标网址如：http://www.111cn.Net/123.jpg</font>指定网址抓取：<input type="button" value=" 开始抓取 " id="more" /><font>目标网址如：http://www.111cn.Net</font><input type="button" value=" 清空状态信息 " id="clear" />

　　   </div>

　　   <div class="Schedule"><font>正在抓取，请稍后...</font><img src="loading.gif" border="0" /></div>

　　   <div class="h2">目标网址：<input type="text" class="TargetUrl" size="40" />保存地址：<input type="text" class="Save" /><font></font></div>

　　   <ul>

　　   </ul>

　　   <a name="bottom"></a>

　　</div>

　　</body>

　　</html>

　　images.info.php

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

　　

代码如下

　　<?php

　　header('Content-Type; text/json; charset=utf-8');

　　$Single=$_GET['Single'];

　　$more=$_GET['more'];

　　$TargetUrl=$_POST['TargetUrl'];

　　$Save=$_POST['Save'];

　　//判断是抓取单个图片还是多个图片

　　if ($Single=='Single') {

　　$ImageCatch=new ImageCatch($TargetUrl,$Save);

　　$ImageCatch->S();

　　}else if ($more=='more') {

　　$ImageCatch=new ImageCatch($TargetUrl,$Save);

　　$ImageCatch->M();

　　}

　　//图片抓取类

　　class ImageCatch {

　　private $TargetUrl; //目标地址

　　private $Save; //保存地址

　　private $FileName; //文件名称及路径

　　private $Type; //文件类型

　　private $Size; //文件大小

　　//构造函数

　　public function __construct($TargetUrl,$Save) {

　　 $this->TargetUrl=str_replace("'",'',$TargetUrl); //去掉单引号

　　 $this->Save=$Save;

　　}

　　//CSS样式表中图片抓取方法

　　public function CSS() {

　　 $content=@file_get_contents($this->TargetUrl);

　　 //CSS图片过滤

　　

　　preg_match_all('/<link.+href="?(.*?.css)"?.+>/i',$content,$css);

　　 $css[1]=array_unique($css[1]);//移除重复的值

　　 $match2=array();

　　 if (count($css[1])>0) {

　　   foreach($css[1] as $val) {

　　    if (!preg_match('/^(https?://)/i',$val)) {

　　     $val=$this->TargetUrl.'/'.$val;

　　     $csscontent=@file_get_contents($val);

　　    }else {

　　     $csscontent=@file_get_contents($val);

　　    }

　　    //匹配图片URL地址

　　    preg_match_all('/url((.*))/i',$csscontent,$cssimg);

　　    $cssimg[1]=array_unique($cssimg[1]);//移除重复的值

　　   }

　　   foreach($cssimg[1] as $val) {

　　    //去除 " ) 字符

　　    $val=preg_replace(array('/"|)/'),'',$val);

　　    //去除../字符

　　    $val=str_replace('../','',$val);

　　    //检查是否是http://开头，如果不是则加上要抓取的网址

　　    if (!preg_match('/^(https?://)/i',$val)) {

　　     array_push($match2,$this->TargetUrl.'/'.$val);

　　    }else {

　　     array_push($match2,$val);

　　    }

　　   }

　　   return $match2;

　　 }

　　}

　　//计算并返回图片数量及地址

　　public function M() {

　　 $content=@file_get_contents($this->TargetUrl);

　　 //网页图片过滤

　　 $str='/<img.+src="?(.+.(jpg|gif|bmp|bnp|png))"?.+>/i';

　　 preg_match_all($str,$content,$res);

　　 if ($res[1]) {

　　   $res[1]=array_unique($res[1]);//移除重复的值

　　   $httpstr='/^(https?://)/i';

　　   $match=array();

　　   foreach($res[1] as $val) {

　　    if (!preg_match($httpstr,$val)) {

　　     array_push($match,$this->TargetUrl.'/'.$val);

　　    }else {

　　     array_push($match,$val);

　　    }

　　   }

　　   $cssimg=$this->CSS();

　　   //扫描出css文件图片的总数与网页图片相加得到总数

　　   $total=array("total"=>count($match)+count($cssimg));

　　   $result=array_merge($total,$match,$cssimg);

　　   //返回JSON数据

　　   echo json_encode($result);

　　 }else {

　　   $res=array('no');

　　   echo json_encode($res);

　　 }

　　 exit;

　　}

　　//抓取并保存图片

　　public function S() {

　　 $this->Type=substr(strrchr($this->TargetUrl,'.'),1);

　　 $this->FileName=$this->Save.'/'.substr(strrchr($this->TargetUrl,'/'),1);

　　 $this->imageType();

　　 $content=@file_get_contents($this->TargetUrl);

　　 $this->imageDir();

　　 if (!@file_put_contents($this->FileName,$content,FILE_USE_INCLUDE_PATH)) {

　　   @unlink($this->FileName);

　　   exit('{"status":"没有找到 '.$this->TargetUrl.' 图片"}');

　　 }else {

　　   $this->imageSize();

　　   exit('{"status":"ok","FileSave":"'.$this->FileName.'","FileSize":"'.$this->Size.'"}');

　　 }

　　}

　　//新建目录

　　private function imageDir() {

　　 if (!@file_exists($this->Save)) {

　　   if (!@mkdir($this->Save,0700)) {

　　    exit('{"status":"新建保存目录失败"}');

　　   }

　　 }

　　}

　　//文件类型判断

　　private function imageType() {

　　 $typeArr=array('jpg','png','gif','zip','rar');

　　 if (!in_array($this->Type,$typeArr)) {

　　   exit('{"status":"要执行抓取的文件扩展名有错误,'.$this->TargetUrl.'"}');

　　 }

　　}

　　//文件大小检测

　　private function imageSize() {

　　 if (file_exists($this->FileName)) {

　　   $this->Size=filesize($this->FileName);

　　   if ($this->Size>1024*1024*1024) {

　　    $this->Size=round($this->Size/1024/1024/1024,2).' GB';

　　   }else if ($this->Size>1024*1024) {

　　    $this->Size=round($this->Size/1024/1024,2).' MB';

　　   }else if ($this->Size>1024) {

　　    $this->Size=$this->Size/1024;

　　    $this->Size=ceil($this->Size).'KB';

　　   }else {

　　    $this->Size=$this->Size.'bit';

　　   }

　　 }else {

　　   return '未找到文件';

　　 }

　　}

　　}

　　?>

分享到：