PHP采集类Snoopy抓取图片实例

            用了两天php的Snoopy这个类，发现很好用。获取请求网页里面的所有链接，直接使用fetchlinks就可以，获取所有文本信息使用fetchtext（其内部还是使用正则表达式在进行处理），还有其它较多的功能，如模拟提交表单等。
使用方法：
先下载Snoopy类，下载地址：http://sourceforge.net/projects/snoopy/
先实例化一个对象，然后调用相应的方法即可获取抓取的网页信息
[U]复制代码[/U] 代码如下:
include 'snoopy/Snoopy.class.php';
   
$snoopy = new Snoopy();
   
$sourceURL = "http://www.jb51.net";
$snoopy->fetchlinks($sourceURL);
   
$a = $snoopy->results;
它并没有提供获取网页中所有图片地址的方法，自己有个需求是要获取一个页面中所有文章列表中图片地址。然后自己就写了一个，主要还是正则那里匹配重要。
[U]复制代码[/U] 代码如下:
//匹配图片的正则表达式
$reTag = "/
[img](http://[^[/img]
/i";
因为需求比较特殊，只需要抓取写死htp://开头的图片（外站的图片可能使得了防盗链，想先抓取到本地）
1.抓取指定网页，并筛选出预期的所有文章地址；
2.循环抓取第一步中的文章地址，然后使用匹配图片的正则表达式进行匹配，获取页面中所有符合规则的图片地址；
3.根据图片后缀和ID（这里只有gif、jpg）保存图片---如果此图片文件存在，先将其删除再保存。
[U]复制代码[/U] 代码如下:
fetchlinks($sourceURL);
   
    $a = $snoopy->results;
    $re = "/d+.html$/";
   
    //过滤获取指定的文件地址请求
    foreach ($a as $tmp) {
        if (preg_match($re, $tmp)) {
            getImgURL($tmp);
        }
    }
   
    function getImgURL($siteName) {
        $snoopy = new Snoopy();
        $snoopy->fetch($siteName);
        
        $fileContent = $snoopy->results;
        
        //匹配图片的正则表达式
        $reTag = "/
[img](http://[^[/img]
/i";
        
        if (preg_match($reTag, $fileContent)) {
            $ret = preg_match_all($reTag, $fileContent, $matchResult);
            
            for ($i = 0, $len = count($matchResult[1]); $i 文件".$"已存在，将被删除
";
        }
        
        $($url);
        $flag = file_put_contents($, $);
        
        if ($flag) {
            echo "文件".$"保存成功
";
        }
    }
?>
在使用php抓取网页：内容、图片、链接的时候，我觉得最重要的还是正则(根据抓取的内容和指定的规则获取想要的数据)，思路其实都比较简单，用到的方法也并不多，也就那几个（而且抓取内容还是直接调用别人写好的类中的方法就可以了）
但之前想过的是php似乎并没有实现如下的方法，比如一个文件中有N行(N很大)，需要将其中符合规则的行内容进行替换，如第3行是aaa需要转成bbbbb。一般的需要修改文件时的常见做法：
1.一次读取整个文件（或是逐行读取），然后使用临时文件进行保存最终转换后的结果，再替换原始文件
2.逐行读取，使用fseek控制文件指针的位置，然后fwrite写入
方案1在文件较大时，一次读取不可取（逐行读取，然后写入临时文件再替换原始文件效率感觉也不高），方案2则在被替换的字符串长度小于等于目标值时没问题，但超过了则会有问题，它会“越界”，将下一行的数据也打乱了（不能像JavaScript中有“选区”的概念，使用新的内容进行替换）。
下面是使用方案2做试验的代码：
[U]复制代码[/U] 代码如下:
先读取一行，此时文件指针其实是指到下一行开头，使用fseek将文件指针回移到上一行起始位置，然后使用fwrite进行替换操作，正因为是替换操作，在不指定长度的情况下，它把影响到下一行的数据，而我想要的是只想针对这一行进行操作，例如删除这一行或是整行只替换为一个1，上面的例子达不到要求，或许是我还没有找到合适的方法…
            
            
您可能感兴趣的文章:

snoopy PHP版的网络客户端提供本地下载

snoopy 强大的PHP采集类使用实例代码

PHP采集利器 Snoopy 试用心得

基于Snoopy的PHP近似完美获取网站编码的代码

php使用curl和正则表达式抓取网页数据示例

PHP采集类snoopy详细介绍(snoopy使用教程)

php结合正则批量抓取网页中邮箱地址

php中Snoopy类用法实例

php基于Snoopy解析网页html的方法

PHP正则表达式抓取某个标签的特定属性值的方法

PHP怎样用正则抓取页面中的网址

PHP正则+Snoopy抓取框架实现的抓取淘宝店信誉功能实例