PHP抓取网站图片脚本

<?php
header("Content-type:image/jpeg");
class download_image{
function read_url($str)
{
$file=fopen($str,"r");
$result = '';
while(!feof($file))
{
$result.=fgets($file,9999);
}
fclose($file);
return $result;

}
function save_img($str)
{
$result=$this->read_url($str);
$result=str_replace("\"","",$result);
$result=str_replace("\'","",$result);

preg_match_all('/<img\ssrc=(http:\/\/.*?)(\s(.*?)>|>)/i',$result,$matches);

foreach($matches[1] as $value)
{
echo $value."\n";
$this->GrabImage($value,$filename="");
}
}
// $url 是远程图片的完整URL地址，不能为空。
// $filename 是可选变量: 如果为空，本地文件名将基于时间和日期
// 自动生成.
function GrabImage($url,$filename="") {
if($url==""):return false;endif;
$path="download/"; //指定存储文件夹

//若文件不存在,则创建;
if(!file_exists($path)){
mkdir($path);
}

if($filename=="") {
$ext=strrchr($url,".");
if($ext!=".gif" && $ext!=".jpg"):return false;endif;
@$filename=$path.date("YHis").$ext;
}

ob_start();
readfile($url);
$img = ob_get_contents();
ob_end_clean();
$size = strlen($img);

$fp2=@fopen($filename, "a");
fwrite($fp2,$img);
fclose($fp2);

return $filename;
}
}
$download_img=new download_image();
$download_img->save_img("http://www.jb51.net");
?>

<?php
class download_image{
//抓取图片的保存地址
public $save_path;
//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 $img_size=0;
//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
public static $a_url_arr=array();

/**
* @param String $save_path    抓取图片的保存地址
* @param Int    $img_size
*/
public function __construct($save_path,$img_size){
$this->save_path=$save_path;
$this->img_size=$img_size;
if(!file_exists($save_path)){
mkdir($save_path,0775);
}
}
/**
* 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
//用@屏蔽掉因为抓取地址无法读取导致的warning错误
$content=@file_get_contents($capture_url);
//匹配a标签href属性中?之前部分的正则
$a_pattern = "|<a[^>]+href=['\" ]?([^ '\"?]+)['\" >]|U";
preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER);
$tmp_arr=array();  //定义一个数组,用于存放当前循环下抓取图片的超链接地址
foreach ($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 ( $v[1] && !in_array($v[1],self::$a_url_arr) &&!in_array($v[1],array('#','/',$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)+1);
$a_url=$domain_url.$v;
}
$this->recursive_download_images($a_url);
}
}
/**
* 下载当前网页下的所有图片
* @param   String  $capture_url  用于抓取图片的网页地址
* @return  Array   当前网页上所有图片img标签url地址的一个数组
*/
public function download_current_page_images($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
$img_pattern = "|<img[^>]+src=['\" ]?([^ '\"?]+)['\" >]|U";
preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);
$photo_num = count($img_out);
//匹配到的图片数量
echo $capture_url . "共找到 " . $photo_num . " 张图片\n";
foreach ($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)+1);
$img_url=$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.'该图片已经抓取过!'."\n";
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.'图片保存成功!'."\n";
} else {
echo $img_url.'图片保存失败!'."\n";
}
} else {
echo $img_url.'图片读取失败!'."\n";
}
}
}
set_time_limit(120);     //设置脚本的最大执行时间  根据情况设置
$download_img=new download_image('imgages/',0);   //实例化下载图片对象
//$download_img->recursive_download_images('http://www.oschina.net/');      //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
$download_img->download_current_page_images('http://www.jb51.net');     //只抓取当前页面图片方法
?>