php专区

 首页 > php专区 > PHP应用 > php函数大全 > php正则抓取整个域名下的图片

php正则抓取整个域名下的图片

分享到:
【字体:
导读:
         [导读] 代码出处:jUnion适用平台:Windows,Linux(Ubuntu),php-5 2 5+,Apache功能:抓取整个站点的图片,暂无借助php的curl插件开发,后期完善配置:config目录下domain_name:域名(默认:bizhibar com)request_si

代码出处:jUnion

适用平台:Windows, Linux(Ubuntu),php-5.2.5+,Apache

功能:抓取整个站点的图片,暂无借助php的curl插件开发, 后期完善

配置:config目录下
     domain_name:域名(默认:bizhibar.com)
     request_site:网站网址(默认:http://www.bizhibar.com/)
     request_url:从网站的哪个页面开始(默认:http://www.bizhibar.com/)
     accept_type: 图片类型(默认:gif, bmp, png, ico,  jpg, jpeg)
     save_path:图片保存路径(默认:savefiles/)
     partition_name:图片保存目录名称前缀(默认:img_)
     dir_file_limit: 每个目录容许多少个文件(默认:100)
     serialize_img_size: 当读取了多少个图片地址才缓存到cache目录下的accompImg文件当中,下次继续抓取的时候会忽略这些地址。(默认:30)
     serialize_url_size:与serialize_url_size一样,已读取多少个链接地址才缓存到cache目录
下的overURL,下次继续抓取的时候忽略这些地址。(默认:10)

说明:欢迎诸君批评指教,有任何新问题或者需要改进的地方,请您反馈给我

 __Home__.'config'.__Os__.'capture.site.php',
	'preg' => __Home__.'config'.__Os__.'capture.preg.php',
	'accompImg' => __Home__.'cache'.__Os__.'accompImg',
	'overURL'   => __Home__.'cache'.__Os__.'overURL'
);

$_parse = new Capture( $_cfg );
$_parse->parseQuestUrl();

?>

 * @date 2013-08-10
 */
class Capture {
	private static $_Config = array();
	
	private static $_CapSite = NULL;
	private static $_CapPreg = NULL;
	
	private static $_overURL = array();
	
	private $_mark = FALSE;
	private static $_markTime = 1;
	/**
	 * initialize the main class: Capture
	 * @param $_cfg array
	 */
	public function __construct( &$_cfg ) {
		self::$_Config = &$_cfg;
		
		self::$_CapSite = require $_cfg['site'];
		self::$_CapPreg = require $_cfg['preg'];
		
		foreach( self::$_CapPreg as $_key => $_value ) {
			self::$_CapPreg[$_key] = str_replace( '_request_site', self::$_CapSite['request_site'], $_value );
		}
		
		self::import( 'file.OperateFile' );
		if( file_exists( $_cfg['overURL'] ) && filesize( $_cfg['overURL'] ) > 0 ) {
			$_contents = OperateFile::readText( $_cfg['overURL'], filesize( $_cfg['overURL'] ) );
			self::$_overURL = unserialize( $_contents );
		}
		
		self::import('pivotal.Pivotal');
		if( file_exists( $_cfg['accompImg'] ) && filesize( $_cfg['accompImg'] ) > 0 ) {
			$_contents = OperateFile::readText( $_cfg['accompImg'], filesize( $_cfg['accompImg'] ) );
			Pivotal::$_accompImg = unserialize( $_contents );
		}
		
	}
	/**
	 * load class, follow Java pragrammer(package): import com.jUnion.Capture
	 * @param $_class
	 */
	public static function import( $_class ) {
		require_once __Home__.'include'.__Os__.str_replace( '.', __Os__, $_class ).'.class.php';
	}
	
	/**
	 * create an instance of Pivotal class
	 * @param $_source
	 */
	private function getCapInstance( &$_source ) {
		$this->_mark = FALSE;
		
		$_Captal = new Pivotal( self::$_Config, $_source );
		$_tagA = $_Captal->parseUrl();
		
		$this->_mark = TRUE;
		
		return $_tagA;
	}
	
	/**
	 * go forward one by one
	 * @param $_tagArr
	 */
	private function roundTagA( &$_tagArr ) {
		if( $_tagArr == NULL ) {
			return;
		}
		$_tagArrLength = count( $_tagArr );
		for( $i = 0; $i < $_tagArrLength; $i ++ ) {
			if( is_array( $_tagArr[ $i ] ) ) {
				$this->roundTagA( $_tagArr[ $i ] );  
			}
			else {
				if( stripos( $_tagArr[$i], self::$_CapSite['domain_name'] )
					=== FALSE ) {
						continue;
					}
				if( in_array( $_tagArr[$i], self::$_overURL ) ) {
					continue;
				}
				self::$_overURL[] = $_tagArr[$i];
				if( count( self::$_overURL ) % self::$_CapSite['serialize_url_size'] == 0 ) {
					OperateFile::setText( self::$_Config['overURL'], serialize( self::$_overURL ) );
				}
				do {
					$_tagA = $this->getCapInstance( Http::get( $_tagArr[$i] ) );
					sleep( self::$_CapSite['preform_page_time'] * self::$_markTime );
					if( $this->_mark === TRUE ) {
						self::$_markTime = self::$_CapSite['preform_page_time'];
						break;
					}
					self::$_markTime *= 2;
				} while( true );
				/* parse the main page and return next page */
				$this->roundTagA( $_tagA );
			}
		}
	}
	//www.php100.com
	public function parseQuestUrl() {
		self::import('http.Http');
		$_round_Arr = $this->getCapInstance( Http::get( self::$_CapSite['request_url'] ) );
		$this->roundTagA( $_round_Arr ); 
	}
}

?>
分享到:
php向wordpress等支持xmlrpc的网站离线发...
上周做了一个银魂的网站  http://www.iyinhun.com  喜欢吐槽的热血动画的粉丝可以看看。 因为一个人做,比较吃力,我就想做一个自动维护程序(其实就是采集器的意思) 下面公布一下php向这类网站发送文章的代码(php向wordpress,blogbus,cnblogs等支持xmlrpc的网站离线发帖的代码) 分类属性(categories,mt_keywords)自...
WebApp暗战Native App:未来谁主沉浮?
随着百度“轻应用”的推出,关于WebApp与Native App谁将成为主流的争论再次浮出水面。就目前来看,一方面Native App作为资本的宠儿、创业者的方向乃是各方关注的焦点,但其缺陷已逐渐显现;另一方面,虽然Native App时下风头正劲,但互联网企业对于WebApp也是加紧布局,不敢掉以轻心,同时WebApp自身也有着不可忽视的优势。...
  •         php迷,一个php技术的分享社区,专属您自己的技术摘抄本、收藏夹。
  • 在这里……