• 售前

  • 售后

热门帖子
入门百科

php的Snoopy类案例讲授

[复制链接]
俺乃小潜mg 显示全部楼层 发表于 2021-8-14 14:26:19 |阅读模式 打印 上一主题 下一主题
php的Snoopy类
获取哀求网页里面的全部链接,直接利用fetchlinks就可以,获取全部文本信息利用fetchtext(其内部照旧利用正则表达式在举行处理),另有其它较多的功能,如模拟提交表单等。
利用方法:
1、先下载Snoopy类,下载所在: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;
复制代码
它并没有提供获取网页中全部图片所在的方法,本身有个需求是要获取一个页面中全部文章列表中图片所在。然后本身就写了一个,主要照旧正则那边匹配告急。
  1. //匹配图片的正则表达式
  2. $reTag = "/<img[^s]+src="(http:\/\/[^"]+).(jpg|png|gif|jpeg)"[^\/]*\/>/i";
复制代码
由于需求比力特殊,只需要抓取写死htp://开头的图片(外站的图片大概使得了防盗链,想先抓取到当地)
实现思路:
1、抓取指定网页,并筛选出预期的全部文章所在;
2、循环抓取第一步中的文章所在,然后利用匹配图片的正则表达式举行匹配,获取页面中全部符合规则的图片所在;
3、根据图片后缀和ID(这里只有gif、jpg)生存图片---如果此图片文件存在,先将其删除再生存
  1. <meta http-equiv='content-type' content='text/html;charset=utf-8'>
  2. <?php
  3.     include 'snoopy/Snoopy.class.php';
  4.    
  5.     $snoopy = new Snoopy();
  6.    
  7.     $sourceURL = "http://xxxxx";
  8.     $snoopy->fetchlinks($sourceURL);
  9.    
  10.     $a = $snoopy->results;
  11.     $re = "/\d+\.html$/";
  12.    
  13.     //过滤获取指定的文件地址请求
  14.     foreach ($a as $tmp) {
  15.         if (preg_match($re, $tmp)) {
  16.             getImgURL($tmp);
  17.         }
  18.     }
  19.    
  20.     function getImgURL($siteName) {
  21.         $snoopy = new Snoopy();
  22.         $snoopy->fetch($siteName);
  23.         
  24.         $fileContent = $snoopy->results;
  25.         
  26.         //匹配图片的正则表达式
  27.         $reTag = "/<img[^s]+src="(http:\/\/[^"]+).(jpg|png|gif|jpeg)"[^\/]*\/>/i";
  28.         
  29.         if (preg_match($reTag, $fileContent)) {
  30.             $ret = preg_match_all($reTag, $fileContent, $matchResult);
  31.             
  32.             for ($i = 0, $len = count($matchResult[1]); $i < $len; ++$i) {
  33.                 saveImgURL($matchResult[1][$i], $matchResult[2][$i]);
  34.             }
  35.         }
  36.     }
  37.    
  38.     function saveImgURL($name, $suffix) {
  39.         $url = $name.".".$suffix;
  40.         
  41.         echo "请求的图片地址:".$url."<br/>";
  42.         
  43.         $imgSavePath = "E:/xxx/style/images/";
  44.         $imgId = preg_replace("/^.+\/(\d+)$/", "\\1", $name);
  45.         if ($suffix == "gif") {
  46.             $imgSavePath .= "emotion";
  47.         } else {
  48.             $imgSavePath .= "topic";
  49.         }
  50.         $imgSavePath .= ("/".$imgId.".".$suffix);
  51.         
  52.         if (is_file($imgSavePath)) {
  53.             unlink($imgSavePath);
  54.             echo "<p style='color:#f00;'>文件".$imgSavePath."已存在,将被删除</p>";
  55.         }
  56.         
  57.         $imgFile = file_get_contents($url);
  58.         $flag = file_put_contents($imgSavePath, $imgFile);
  59.         
  60.         if ($flag) {
  61.             echo "<p>文件".$imgSavePath."保存成功</p>";
  62.         }
  63.         
  64.     }
  65. ?>
复制代码
在利用php抓取网页:内容、图片、链接的时候,我以为最告急的照旧正则(根据抓取的内容和指定的规则获取想要的数据),思路实在都比力简单,用到的方法也并不多,也就那几个(而且抓取内容照旧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,好比一个文件中有N行(N很大),需要将此中符合规则的行内容举行更换,如第3行是aaa需要转成bbbbb。一样平常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),然后利用临时文件举行生存终极转换后的结果,再更换原始文件
2、逐行读取,利用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更换原始文件效率感觉也不高),方案2则在被更换的字符串长度小于等于目标值时没题目,但超过了则会有题目,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,利用新的内容举行更换)
下面是利用方案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. }
  19. ?>
复制代码
先读取一行,此时文件指针实在是指到下一行开头,利用fseek将文件指针回移到上一行起始位置,然后利用fwrite举行更换操作,正由于是更换操作,在不指定长度的环境下,它把影响到下一行的数据,而我想要的是只想针对这一行举行操作,例如删除这一行或是整行只更换为一个1,上面的例子达不到要求,大概是我还没有找到合适的方法… 你有好的方法吗?
到此这篇关于php的Snoopy类案例讲授的文章就先容到这了,更多相干php的Snoopy内容请搜索草根技术分享以前的文章或继续浏览下面的相干文章希望各人以后多多支持草根技术分享!

帖子地址: 

回复

使用道具 举报

分享
推广
火星云矿 | 预约S19Pro,享500抵1000!
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

草根技术分享(草根吧)是全球知名中文IT技术交流平台,创建于2021年,包含原创博客、精品问答、职业培训、技术社区、资源下载等产品服务,提供原创、优质、完整内容的专业IT技术开发社区。
  • 官方手机版

  • 微信公众号

  • 商务合作