php的Snoopy類案例講解
的Snoopy類
獲取請求裡面的所有連結,直接使用fetchlinks就可以,獲取所有文字資訊使用fetchtext(其內部還是使用正則表示式在進行處理),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、先例項化一個物件,然後呼叫相應的方法即可獲取抓取的網頁資訊
示例:
include 'snoopy/Snoopy.class.php';客棧
$snoopy = new Snoopy();
$sourceURL = "http://xxxxxxxxx";
$snoopy->fetchlinks($sourceURL);
$a = $snoopy->results;
它並沒有提供獲取網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。然後自己fSyCGdUUqr就寫了一個,主要還是正則那裡匹配重要。
//匹配圖片的正則表示式 $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)
實現思路:
1、抓取指定網頁,並篩選出預期的所有文章地址;
2、迴圈抓取第一步中的文章地址,然後使用匹配圖片的正則表示式進行匹配,獲取頁面中所有符合規則的圖片地址;
3、根據圖片字尾和ID(這裡只有gif、jpg)儲存圖片---如果此圖片檔案存在,先將其刪除再儲存
<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; $re = "/\d+\.html$/"; //過濾獲取指定的檔案地址請求 foreach ($a as $tmp) { if (preg_match($re,$tmp)) { getImgURL($tmp); } } function getImgURL($siteName) { $snoopy = new Snoopy(); $snoopy->fetch($siteName); $fileContent = $snoopy->results; //匹配圖片的正則表示式 $reTag = "/<img[^s]+src=\"(http:\/\/[^\"]+).(jpg|png|gif|jpeg)\"[^\/]*\/>/i"; if (preg_match($reTag,$fileContent)) { $ret = preg_match_all($reTag,$fileContent,$matchResult); fwww.cppcns.comor ($i = 0,$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($imgSavePath); echo "<p style='color:#f00;'>檔案".$imgSavePath."已存在,將被刪除</p>"; } $imgFile = file_get_contents($url); $flag = file_put_contents($imgSavePath,$imgFile); if ($flag) { echo "<p>檔案".$imgSavePath."儲存成功</p>"; } } ?>
在使用php抓取網頁:內容、圖片、連結的時候,我覺得最重要的還是正則(根據抓取的內容和指定的規則獲取想要的資料),思路其實都比較簡單,用到的方法也並不多,也就那幾個(而且抓取內容還是直接呼叫別人寫好的類中的方法就可以了)
但之前想過的是php似乎並沒有實現如下的方法,比如一個檔案中有N行(N很大),需要將其fSyCGdUUqr中符合規則的行內容進行替換,如第3行是aaa需要轉成bbbbb。一般的需要修改檔案時的常見做法:
1、一次讀取整個檔案(或是逐行讀取),然後使用臨時檔案進行儲存最終轉換後的結果,再替換原始檔案
2、逐行讀取,使用fseek控制檔案指標的位置,然後fwrite寫入
方案1在檔案較大時,一次讀取不可取(逐行讀取,然後寫入臨時檔案再替換原始檔案效率感覺也不高),方案2則在被替換的字串長度小於等於目標值時沒問題,但超過了則會有問題,它會“越界”,將下一行的資料也打亂了(不能像中有“選區”的概念,使用新的內容進行替換)
下面是使用方案2做試驗的程式碼:
<?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);//指標向前移動 fwrite($fp,"123"); } $i++; } fclose($fp); } ?>
先讀取一行,此時檔案指標其實是指到下一行開頭,使用fseek將檔案指標回移到上一行起始位置,然後使用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資料,而我想要的是隻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?
到此這篇關於php的Snoopy類案例講解的文章就介紹到這了,更多相關php的Snoopy內容請搜尋我們以前的文章或繼續瀏覽下面的相關文章希望大家以後多多支援我們!