php的Snoopy类案例讲解
发布:smiling 来源: PHP粉丝网 添加日期:2022-05-08 10:24:59 浏览: 评论:0
这篇文章主要介绍了php的Snoopy类案例讲解,本篇文章通过简要的案例,讲解了该项技术的了解与使用,以下就是详细内容,需要的朋友可以参考下。
php的Snoopy类
获取请求网页里面的所有链接,直接使用fetchlinks就可以,获取所有文本信息使用fetchtext(其内部还是使用正则表达式在进行处理),还有其它较多的功能,如模拟提交表单等。
使用方法:
1、先下载Snoopy类,下载地址:http://sourceforge.net/projects/snoopy/
2、先实例化一个对象,然后调用相应的方法即可获取抓取的网页信息
示例:
- include 'snoopy/Snoopy.class.php';
- $snoopy = new Snoopy();
- $sourceURL = "http://xxxxxxxxx";
- $snoopy->fetchlinks($sourceURL);
- $a = $snoopy->results;
它并没有提供获取网页中所有图片地址的方法,自己有个需求是要获取一个页面中所有文章列表中图片地址。然后自己就写了一个,主要还是正则那里匹配重要。
- //匹配图片的正则表达式
- $reTag = "/<img[^s]+src=\"(http:\/\/[^\"]+).(jpg|png|gif|jpeg)\"[^\/]*\/>/i";
因为需求比较特殊,只需要抓取写死htp://开头的图片(外站的图片可能使得了防盗链,想先抓取到本地)
实现思路:
1、抓取指定网页,并筛选出预期的所有文章地址;
2、循环抓取第一步中的文章地址,然后使用匹配图片的正则表达式进行匹配,获取页面中所有符合规则的图片地址;
3、根据图片后缀和ID(这里只有gif、jpg)保存图片---如果此图片文件存在,先将其删除再保存
- <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;
- $re = "/\d+\.html$/";
- //过滤获取指定的文件地址请求
- foreach ($a as $tmp) {
- if (preg_match($re, $tmp)) {
- getImgURL($tmp);
- }
- }
- function getImgURL($siteName) {
- $snoopy = new Snoopy();
- $snoopy->fetch($siteName);
- $fileContent = $snoopy->results;
- //匹配图片的正则表达式
- $reTag = "/<img[^s]+src=\"(http:\/\/[^\"]+).(jpg|png|gif|jpeg)\"[^\/]*\/>/i";
- if (preg_match($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 "请求的图片地址:".$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,将被删除</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抓取网页:内容、图片、链接的时候,我觉得最重要的还是正则(根据抓取的内容和指定的规则获取想要的数据),思路其实都比较简单,用到的方法也并不多,也就那几个(而且抓取内容还是直接调用别人写好的类中的方法就可以了)
但之前想过的是php似乎并没有实现如下的方法,比如一个文件中有N行(N很大),需要将其中符合规则的行内容进行替换,如第3行是aaa需要转成bbbbb。一般的需要修改文件时的常见做法:
1、一次读取整个文件(或是逐行读取),然后使用临时文件进行保存最终转换后的结果,再替换原始文件
2、逐行读取,使用fseek控制文件指针的位置,然后fwrite写入
方案1在文件较大时,一次读取不可取(逐行读取,然后写入临时文件再替换原始文件效率感觉也不高),方案2则在被替换的字符串长度小于等于目标值时没问题,但超过了则会有问题,它会“越界”,将下一行的数据也打乱了(不能像JavaScript中有“选区”的概念,使用新的内容进行替换)
下面是使用方案2做试验的代码:
- <?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);//指针向前移动
- fwrite($fp, "123");
- }
- $i++;
- }
- fclose($fp);
- }
- ?>
先读取一行,此时文件指针其实是指到下一行开头,使用fseek将文件指针回移到上一行起始位置,然后使用fwrite进行替换操作,正因为是替换操作,在不指定长度的情况下,它把影响到下一行的数据,而我想要的是只想针对这一行进行操作,例如删除这一行或是整行只替换为一个1,上面的例子达不到要求,或许是我还没有找到合适的方法… 你有好的方法吗?
Tags: Snoopy
- 上一篇:PHP实现简单日历类编写
- 下一篇:最后一页
相关文章
- ·php snoopy采集类(模拟浏览器)介绍(2014-06-20)
- ·php中Snoopy类用法实例(2021-06-01)
推荐文章
热门文章
最新评论文章
- 写给考虑创业的年轻程序员(10)
- PHP新手上路(一)(7)
- 惹恼程序员的十件事(5)
- PHP邮件发送例子,已测试成功(5)
- 致初学者:PHP比ASP优秀的七个理由(4)
- PHP会被淘汰吗?(4)
- PHP新手上路(四)(4)
- 如何去学习PHP?(2)
- 简单入门级php分页代码(2)
- php中邮箱email 电话等格式的验证(2)