当前位置:首页 > PHP教程 > php类库 > 列表

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:

  1. include 'snoopy/Snoopy.class.php'
  2. $snoopy = new Snoopy();  
  3. $sourceURL = "http://xxxxxxxxx"
  4. $snoopy->fetchlinks($sourceURL); 
  5. $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。

  1. //匹配图片的正则表达式 
  2.  $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

  1. <meta http-equiv='content-type' content='text/html;charset=utf-8'
  2.  
  3. <?php 
  4.     include 'snoopy/Snoopy.class.php'
  5.       
  6.     $snoopy = new Snoopy(); 
  7.       
  8.     $sourceURL = "http://xxxxx"
  9.     $snoopy->fetchlinks($sourceURL); 
  10.       
  11.     $a = $snoopy->results; 
  12.     $re = "/\d+\.html$/"
  13.       
  14.     //过滤获取指定的文件地址请求 
  15.     foreach ($a as $tmp) { 
  16.         if (preg_match($re$tmp)) { 
  17.             getImgURL($tmp); 
  18.         } 
  19.     } 
  20.       
  21.     function getImgURL($siteName) { 
  22.         $snoopy = new Snoopy(); 
  23.         $snoopy->fetch($siteName); 
  24.           
  25.         $fileContent = $snoopy->results; 
  26.           
  27.         //匹配图片的正则表达式 
  28.         $reTag = "/<img[^s]+src=\"(http:\/\/[^\"]+).(jpg|png|gif|jpeg)\"[^\/]*\/>/i"
  29.           
  30.         if (preg_match($reTag$fileContent)) { 
  31.             $ret = preg_match_all($reTag$fileContent$matchResult); 
  32.               
  33.             for ($i = 0, $len = count($matchResult[1]); $i < $len; ++$i) { 
  34.                 saveImgURL($matchResult[1][$i], $matchResult[2][$i]); 
  35.             } 
  36.         } 
  37.     } 
  38.       
  39.     function saveImgURL($name$suffix) { 
  40.         $url = $name.".".$suffix
  41.           
  42.         echo "请求的图片地址:".$url."<br/>"
  43.           
  44.         $imgSavePath = "E:/xxx/style/images/"
  45.         $imgId = preg_replace("/^.+\/(\d+)$/""\\1"$name); 
  46.         if ($suffix == "gif") { 
  47.             $imgSavePath .= "emotion"
  48.         } else { 
  49.             $imgSavePath .= "topic"
  50.         } 
  51.         $imgSavePath .= ("/".$imgId.".".$suffix); 
  52.           
  53.         if (is_file($imgSavePath)) { 
  54.             unlink($imgSavePath); 
  55.             echo "<p style='color:#f00;'>文件".$imgSavePath."已存在,将被删除</p>"
  56.         } 
  57.           
  58.         $imgFile = file_get_contents($url); 
  59.         $flag = file_put_contents($imgSavePath$imgFile); 
  60.           
  61.         if ($flag) { 
  62.             echo "<p>文件".$imgSavePath."保存成功</p>"
  63.         } 
  64.           
  65.     } 
  66. ?> 

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:

  1. <?php 
  2. $mode = "r+"
  3. $filename = "d:/file.txt"
  4. $fp = fopen($filename$mode); 
  5. if ($fp) { 
  6.  $i = 1; 
  7.  while (!feof($fp)) { 
  8.   $str = fgets($fp); 
  9.   echo $str
  10.   if ($i == 1) { 
  11.    $len = strlen($str); 
  12.    fseek($fp, -$len, SEEK_CUR);//指针向前移动 
  13.    fwrite($fp"123"); 
  14.   } 
  15.   $i++; 
  16.  } 
  17.  fclose($fp); 
  18. ?> 

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

分享到: