php远程抓取网站图片并保存

    <?php            /**      * 一个用于抓取图片的类      *      * @package default      * @author  WuJunwei      */      class download_image       {                    public $save_path;                  //抓取图片的保存地址                //抓取图片的大小限制(单位:字节) 只抓比size比这个限制大的图片          public $img_size=0;                 //定义一个静态数组,用于记录曾经抓取过的的超链接地址,避免重复抓取                 public static $a_url_arr=array();                       /**          * @param String $save_path    抓取图片的保存地址          * @param Int    $img_size     抓取图片的保存地址          */          public function __construct($save_path,$img_size)          {              $this->save_path=$save_path;              $this->img_size=$img_size;          }                              /**          * 递归下载抓取首页及其子页面图片的方法  ( recursive 递归)          *          * @param   String  $capture_url  用于抓取图片的网址          *           */          public function recursive_download_images($capture_url)          {              if (!in_array($capture_url,self::$a_url_arr))   //没抓取过              {                                           self::$a_url_arr[]=$capture_url;   //计入静态数组              } else   //抓取过,直接退出函数              {                  return;              }                                    $this->download_current_page_images($capture_url);  //下载当前页面的所有图片                            //用@屏蔽掉因为抓取地址无法读取导致的warning错误              $content=@file_get_contents($capture_url);                             //匹配a标签href属性中?之前部分的正则              $a_pattern = "|<a[^>]+href=['\" ]?([^ '\"?]+)['\" >]|U";                 preg_match_all($a_pattern, $content, $a_out, PREG_SET_ORDER);                            $tmp_arr=array();  //定义一个数组,用于存放当前循环下抓取图片的超链接地址              foreach ($a_out as $k => $v)               {                  /**                  * 去除超链接中的 空'','#','/'和重复值                    * 1: 超链接地址的值 不能等于当前抓取页面的url, 否则会陷入死循环                  * 2: 超链接为''或'#','/'也是本页面,这样也会陷入死循环,                    * 3: 有时一个超连接地址在一个网页中会重复出现多次,如果不去除,会对一个子页面进行重复下载)                  */                  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 => $v)               {                              //超链接路径地址                  if ( strpos($v, 'http://')!==false ) //如果url包含http://,可以直接访问                  {                      $a_url = $v;                  }else   //否则证明是相对地址, 需要重新拼凑超链接的访问地址                  {                      $domain_url = substr($capture_url, 0,strpos($capture_url, '/',8)+1);                      $a_url=$domain_url.$v;                  }                        $this->recursive_download_images($a_url);                    }                        }                                  /**          * 下载当前网页下的所有图片           *          * @param   String  $capture_url  用于抓取图片的网页地址          * @return  Array   当前网页上所有图片img标签url地址的一个数组          */          public function download_current_page_images($capture_url)          {              $content=@file_get_contents($capture_url);   //屏蔽warning错误                    //匹配img标签src属性中?之前部分的正则              $img_pattern = "|<img[^>]+src=['\" ]?([^ '\"?]+)['\" >]|U";                 preg_match_all($img_pattern, $content, $img_out, PREG_SET_ORDER);                    $photo_num = count($img_out);              //匹配到的图片数量              echo '<h1>'.$capture_url . "共找到 " . $photo_num . " 张图片</h1>";              foreach ($img_out as $k => $v)               {                  $this->save_one_img($capture_url,$v[1]);              }          }                      /**          * 保存单个图片的方法           *          * @param String $capture_url   用于抓取图片的网页地址          * @param String $img_url       需要保存的图片的url          *           */          public function save_one_img($capture_url,$img_url)          {                      //图片路径地址              if ( strpos($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);    //获取图片路径信息                      $pic_name=$pathinfo['basename'];   //获取图片的名字              if (file_exists($this->save_path.$pic_name))  //如果图片存在,证明已经被抓取过,退出函数              {                  echo $img_url . '<span style="color:red;margin-left:80px">该图片已经抓取过!</span><br/>';                   return;              }                              //将图片内容读入一个字符串              $img_data = @file_get_contents($img_url);   //屏蔽掉因为图片地址无法读取导致的warning错误              if ( strlen($img_data) > $this->img_size )   //下载size比限制大的图片              {                  $img_size = file_put_contents($this->save_path . $pic_name, $img_data);                  if ($img_size)                  {                      echo $img_url . '<span style="color:green;margin-left:80px">图片保存成功!</span><br/>';                  } else                  {                      echo $img_url . '<span style="color:red;margin-left:80px">图片保存失败!</span><br/>';                  }              } else              {                  echo $img_url . '<span style="color:red;margin-left:80px">图片读取失败!</span><br/>';              }           }       } // END            set_time_limit(120);     //设置脚本的最大执行时间  根据情况设置       $download_img=new download_image('E:/images/',0);   //实例化下载图片对象      $download_img->recursive_download_images('http://www.oschina.net/');      //递归抓取图片方法      //$download_img->download_current_page_images($_POST['capture_url']);     //只抓取当前页面图片方法            ?>