<?php  
      
    /** 
     * 一個用於抓取圖片的類 
     * 
     * @package default 
     * @author  WuJunwei 
     */  
    class download_image   
    {  
          
        public $save_path;                  //抓取圖片的儲存地址  
      
        //抓取圖片的大小限制(單位:位元組) 只抓比size比這個限制大的圖片  
        public $img_size=0;   
      
        //定義一個靜態陣列,用於記錄曾經抓取過的的超連結地址,避免重複抓取         
        public static $a_url_arr=array();     
          
        /** 
         * @param String $save_path    抓取圖片的儲存地址 
         * @param Int    $img_size     抓取圖片的儲存地址 
         */  
        public function __construct($save_path,$img_size)  
        {  
            $this->save_path=$save_path;  
            $this->img_size=$img_size;  
        }  
          
          
        /** 
         * 遞迴下載抓取首頁及其子頁面圖片的方法  ( recursive 遞迴) 
         * 
         * @param   String  $capture_url  用於抓取圖片的網址 
         *  
         */  
        public function recursive_download_images($capture_url)  
        {  
            if (!in_array($capture_url,self::$a_url_arr))   //沒抓取過  
            {                           
                self::$a_url_arr[]=$capture_url;   //計入靜態陣列  
            } else   //抓取過,直接退出函式  
            {  
                return;  
            }          
              
            $this->download_current_page_images($capture_url);  //下載當前頁面的所有圖片  
              
            //用@遮蔽掉因為抓取地址無法讀取導致的warning錯誤  
            
 
[email protected]_get_contents($capture_url);   
              
            //匹配a標籤href屬性中?之前部分的正則  
            $a_pattern = "|<a[^>]+href=['\" ]?([^ '\"?]+)['\" >]|U";     
            preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER);  
              
            $tmp_arr=array();  //定義一個數組,用於存放當前迴圈下抓取圖片的超連結地址  
            foreach ($a_out as $k => $v)   
            {  
                /** 
                 * 去除超連結中的 空'','#','/'和重複值   
                 * 1: 超連結地址的值 不能等於當前抓取頁面的url, 否則會陷入死迴圈 
                 * 2: 超連結為''或'#','/'也是本頁面,這樣也會陷入死迴圈,   
                 * 3: 有時一個超連線地址在一個網頁中會重複出現多次,如果不去除,會對一個子頁面進行重複下載) 
                 */  
                if ( $v[1] && !in_array($v[1],self::$a_url_arr) &&!in_array($v[1],array('#','/',$capture_url) ) )   
                {  
                    $tmp_arr[]=$v[1];  
                }  
            }  
        
            foreach ($tmp_arr as $k => $v)   
            {              
                //超連結路徑地址  
                if ( strpos($v, 'http://')!==false ) //如果url包含http://,可以直接訪問  
                {  
                    $a_url = $v;  
                }else   //否則證明是相對地址, 需要重新拼湊超連結的訪問地址  
                {  
                    $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1);  
                    $a_url=$domain_url.$v;  
                }  
      
                $this->recursive_download_images($a_url);  
      
            }  
              
        }    
          
            
        /** 
         * 下載當前網頁下的所有圖片  
         * 
         * @param   String  $capture_url  用於抓取圖片的網頁地址 
         * @return  Array   當前網頁上所有圖片img標籤url地址的一個數組 
         */  
        public function download_current_page_images($capture_url)  
        {  
            
 
[email protected]_get_contents($capture_url);   //遮蔽warning錯誤  
      
            //匹配img標籤src屬性中?之前部分的正則  
            $img_pattern = "|<img[^>]+src=['\" ]?([^ '\"?]+)['\" >]|U";     
            preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);  
      
            $photo_num = count($img_out);  
            //匹配到的圖片數量  
            echo '<h1>'.$capture_url . "共找到 " . $photo_num . " 張圖片</h1>";  
            foreach ($img_out as $k => $v)   
            {  
                $this->save_one_img($capture_url,$v[1]);  
            }  
        }  
      
      
        /** 
         * 儲存單個圖片的方法  
         * 
         * @param String $capture_url   用於抓取圖片的網頁地址 
         * @param String $img_url       需要儲存的圖片的url 
         *  
         */  
        public function save_one_img($capture_url,$img_url)  
        {          
            //圖片路徑地址  
            if ( strpos($img_url, 'http://')!==false )   
            {  
                // $img_url = $img_url;  
            }else     
            {  
                $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1);  
                $img_url=$domain_url.$img_url;  
            }             
            $pathinfo = pathinfo($img_url);    //獲取圖片路徑資訊          
            $pic_name=$pathinfo['basename'];   //獲取圖片的名字  
            if (file_exists($this->save_path.$pic_name))  //如果圖片存在,證明已經被抓取過,退出函式  
            {  
                echo $img_url . '<span style="color:red;margin-left:80px">該圖片已經抓取過!</span><br/>';   
                return;  
            }                  
            //將圖片內容讀入一個字串  
            $img_data = @file_get_contents($img_url);   //遮蔽掉因為圖片地址無法讀取導致的warning錯誤  
            if ( strlen($img_data) > $this->img_size )   //下載size比限制大的圖片  
            {  
                $img_size = file_put_contents($this->save_path . $pic_name, $img_data);  
                if ($img_size)  
                {  
                    echo $img_url . '<span style="color:green;margin-left:80px">圖片儲存成功!</span><br/>';  
                } else  
                {  
                    echo $img_url . '<span style="color:red;margin-left:80px">圖片儲存失敗!</span><br/>';  
                }  
            } else  
            {  
                echo $img_url . '<span style="color:red;margin-left:80px">圖片讀取失敗!</span><br/>';  
            }   
        }   
    } // END  
      
    set_time_limit(120);     //設定指令碼的最大執行時間  根據情況設定   
    $download_img=new download_image('E:/images/',0);   //例項化下載圖片物件  
    $download_img->recursive_download_images('http://www.oschina.net/');      //遞迴抓取圖片方法  
    //$download_img->download_current_page_images($_POST['capture_url']);     //只抓取當前頁面圖片方法  
      
    ?>