php的Snoopy類
獲取請求網(wǎng)頁里面的所有鏈接,直接使用fetchlinks就可以,獲取所有文本信息使用fetchtext(其內(nèi)部還是使用正則表達式在進行處理),還有其它較多的功能,如模擬提交表單等。
使用方法:
1、先下載Snoopy類,下載地址:http://sourceforge.net/projects/snoopy/
2、先實例化一個對象,然后調(diào)用相應的方法即可獲取抓取的網(wǎng)頁信息
示例:
include 'snoopy/Snoopy.class.php';
$snoopy = new Snoopy();
$sourceURL = "http://xxxxxxxxx";
$snoopy->fetchlinks($sourceURL);
$a = $snoopy->results;
它并沒有提供獲取網(wǎng)頁中所有圖片地址的方法,自己有個需求是要獲取一個頁面中所有文章列表中圖片地址。然后自己就寫了一個,主要還是正則那里匹配重要。
//匹配圖片的正則表達式
$reTag = "/img[^s]+src=\"(http:\/\/[^\"]+).(jpg|png|gif|jpeg)\"[^\/]*\/>/i";
因為需求比較特殊,只需要抓取寫死htp://開頭的圖片(外站的圖片可能使得了防盜鏈,想先抓取到本地)
實現(xiàn)思路:
1、抓取指定網(wǎng)頁,并篩選出預期的所有文章地址;
2、循環(huán)抓取第一步中的文章地址,然后使用匹配圖片的正則表達式進行匹配,獲取頁面中所有符合規(guī)則的圖片地址;
3、根據(jù)圖片后綴和ID(這里只有g(shù)if、jpg)保存圖片---如果此圖片文件存在,先將其刪除再保存
meta http-equiv='content-type' content='text/html;charset=utf-8'>
?php
include 'snoopy/Snoopy.class.php';
$snoopy = new Snoopy();
$sourceURL = "http://xxxxx";
$snoopy->fetchlinks($sourceURL);
$a = $snoopy->results;
$re = "/\d+\.html$/";
//過濾獲取指定的文件地址請求
foreach ($a as $tmp) {
if (preg_match($re, $tmp)) {
getImgURL($tmp);
}
}
function getImgURL($siteName) {
$snoopy = new Snoopy();
$snoopy->fetch($siteName);
$fileContent = $snoopy->results;
//匹配圖片的正則表達式
$reTag = "/img[^s]+src=\"(http:\/\/[^\"]+).(jpg|png|gif|jpeg)\"[^\/]*\/>/i";
if (preg_match($reTag, $fileContent)) {
$ret = preg_match_all($reTag, $fileContent, $matchResult);
for ($i = 0, $len = count($matchResult[1]); $i $len; ++$i) {
saveImgURL($matchResult[1][$i], $matchResult[2][$i]);
}
}
}
function saveImgURL($name, $suffix) {
$url = $name.".".$suffix;
echo "請求的圖片地址:".$url."br/>";
$imgSavePath = "E:/xxx/style/images/";
$imgId = preg_replace("/^.+\/(\d+)$/", "\\1", $name);
if ($suffix == "gif") {
$imgSavePath .= "emotion";
} else {
$imgSavePath .= "topic";
}
$imgSavePath .= ("/".$imgId.".".$suffix);
if (is_file($imgSavePath)) {
unlink($imgSavePath);
echo "p style='color:#f00;'>文件".$imgSavePath."已存在,將被刪除/p>";
}
$imgFile = file_get_contents($url);
$flag = file_put_contents($imgSavePath, $imgFile);
if ($flag) {
echo "p>文件".$imgSavePath."保存成功/p>";
}
}
?>
在使用php抓取網(wǎng)頁:內(nèi)容、圖片、鏈接的時候,我覺得最重要的還是正則(根據(jù)抓取的內(nèi)容和指定的規(guī)則獲取想要的數(shù)據(jù)),思路其實都比較簡單,用到的方法也并不多,也就那幾個(而且抓取內(nèi)容還是直接調(diào)用別人寫好的類中的方法就可以了)
但之前想過的是php似乎并沒有實現(xiàn)如下的方法,比如一個文件中有N行(N很大),需要將其中符合規(guī)則的行內(nèi)容進行替換,如第3行是aaa需要轉(zhuǎn)成bbbbb。一般的需要修改文件時的常見做法:
1、一次讀取整個文件(或是逐行讀?。?,然后使用臨時文件進行保存最終轉(zhuǎn)換后的結(jié)果,再替換原始文件
2、逐行讀取,使用fseek控制文件指針的位置,然后fwrite寫入
方案1在文件較大時,一次讀取不可?。ㄖ鹦凶x取,然后寫入臨時文件再替換原始文件效率感覺也不高),方案2則在被替換的字符串長度小于等于目標值時沒問題,但超過了則會有問題,它會“越界”,將下一行的數(shù)據(jù)也打亂了(不能像JavaScript中有“選區(qū)”的概念,使用新的內(nèi)容進行替換)
下面是使用方案2做試驗的代碼:
?php
$mode = "r+";
$filename = "d:/file.txt";
$fp = fopen($filename, $mode);
if ($fp) {
$i = 1;
while (!feof($fp)) {
$str = fgets($fp);
echo $str;
if ($i == 1) {
$len = strlen($str);
fseek($fp, -$len, SEEK_CUR);//指針向前移動
fwrite($fp, "123");
}
$i++;
}
fclose($fp);
}
?>
先讀取一行,此時文件指針其實是指到下一行開頭,使用fseek將文件指針回移到上一行起始位置,然后使用fwrite進行替換操作,正因為是替換操作,在不指定長度的情況下,它把影響到下一行的數(shù)據(jù),而我想要的是只想針對這一行進行操作,例如刪除這一行或是整行只替換為一個1,上面的例子達不到要求,或許是我還沒有找到合適的方法… 你有好的方法嗎?
到此這篇關(guān)于php的Snoopy類案例講解的文章就介紹到這了,更多相關(guān)php的Snoopy內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!
您可能感興趣的文章:- PHP正則+Snoopy抓取框架實現(xiàn)的抓取淘寶店信譽功能實例
- php基于Snoopy解析網(wǎng)頁html的方法
- php中Snoopy類用法實例
- PHP采集類snoopy詳細介紹(snoopy使用教程)
- PHP采集類Snoopy抓取圖片實例
- 基于Snoopy的PHP近似完美獲取網(wǎng)站編碼的代碼