PHP远程抓取网站图片

// 在web/index.php引入即可！
require(__DIR__ . '/../helper/DownloadImage.php');

<?php

<?php

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 = "|<a[^>]+href=['\" ]?([^ '\"?]+)['\" >]|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] && !in_array($v[1], self::$a_url_arr) && !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 || strpos($v, 'https://') !== 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
      $img_pattern = "|<img[^>]+src=['\" ]?([^ '\"?]+)['\" >]|U";
      preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);
      $img_outs = [];
      foreach ($img_out as &$v) {
          if (isset($v[1]) && strpos($v[1], 'http://') === false && strpos($v[1], 'https://') === false) {
              $domain_url = substr($capture_url, 0, strpos($capture_url, '/', 8));
              $img_outs[] = $domain_url . $v[1];
          }
      }
      $photo_num = count($img_outs);
      //匹配到的图片数量
      echo '<h1>' . $capture_url . "共找到 " . $photo_num . " 张图片</h1>";
      foreach ($img_outs as $k => $v) {
          $this->save_one_img($capture_url, str_replace('\\', '/', $v));
      }
  }

  /**
   * 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/>';
      }
  }
}


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('F:/code/test/phpstudy/iptest/images/', 0);  //实例化下载图片对象
$download_img->recursive_download_images('http://www.xxxx.com/zhanlan/3d-zl18832785.html');
//递归抓取图片方法
//$download_img->download_current_page_images($_POST['capture_url']);   //只抓取当前页面图片方法