php的Snoopy類
獲取請求網頁里面的所有鏈接，直接使用fetchlinks就可以，獲取所有文本信息使用fetchtext（其內部還是使用正則表達式在進行處理），還有其它較多的功能，如模擬提交表單等。
使用方法：
1、先下載Snoopy類，下載地址：http://sourceforge.net/projects/snoopy/
2、先實例化一個對象，然后調用相應的方法即可獲取抓取的網頁信息
示例：
include 'snoopy/Snoopy.class.php';
$snoopy = new Snoopy();
$sourceURL = "http://xxxxxxxxx";
$snoopy->fetchlinks($sourceURL);
$a = $snoopy->results;
它并沒有提供獲取網頁中所有圖片地址的方法，自己有個需求是要獲取一個頁面中所有文章列表中圖片地址。然后自己就寫了一個，主要還是正則那里匹配重要。
//匹配圖片的正則表達式
$reTag = "/img[^s]+src=\"(http:\/\/[^\"]+).(jpg|png|gif|jpeg)\"[^\/]*\/>/i";
因為需求比較特殊，只需要抓取寫死htp://開頭的圖片（外站的圖片可能使得了防盜鏈，想先抓取到本地）
實現思路：
1、抓取指定網頁，并篩選出預期的所有文章地址；
2、循環抓取第一步中的文章地址，然后使用匹配圖片的正則表達式進行匹配，獲取頁面中所有符合規則的圖片地址；
3、根據圖片后綴和ID（這里只有gif、jpg）保存圖片---如果此圖片文件存在，先將其刪除再保存
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;
$re = "/\d+\.html$/";
//過濾獲取指定的文件地址請求
foreach ($a as $tmp) {
if (preg_match($re, $tmp)) {
getImgURL($tmp);
}
}
function getImgURL($siteName) {
$snoopy = new Snoopy();
$snoopy->fetch($siteName);
$fileContent = $snoopy->results;
//匹配圖片的正則表達式
$reTag = "/img[^s]+src=\"(http:\/\/[^\"]+).(jpg|png|gif|jpeg)\"[^\/]*\/>/i";
if (preg_match($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 "請求的圖片地址：".$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，將被刪除/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抓取網頁：內容、圖片、鏈接的時候，我覺得最重要的還是正則(根據抓取的內容和指定的規則獲取想要的數據)，思路其實都比較簡單，用到的方法也并不多，也就那幾個（而且抓取內容還是直接調用別人寫好的類中的方法就可以了）
但之前想過的是php似乎并沒有實現如下的方法，比如一個文件中有N行(N很大)，需要將其中符合規則的行內容進行替換，如第3行是aaa需要轉成bbbbb。一般的需要修改文件時的常見做法：
1、一次讀取整個文件（或是逐行讀取），然后使用臨時文件進行保存最終轉換后的結果，再替換原始文件
2、逐行讀取，使用fseek控制文件指針的位置，然后fwrite寫入
方案1在文件較大時，一次讀取不可取（逐行讀取，然后寫入臨時文件再替換原始文件效率感覺也不高），方案2則在被替換的字符串長度小于等于目標值時沒問題，但超過了則會有問題，它會“越界”，將下一行的數據也打亂了（不能像JavaScript中有“選區”的概念，使用新的內容進行替換）
下面是使用方案2做試驗的代碼：
?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);//指針向前移動
fwrite($fp, "123");
}
$i++;
}
fclose($fp);
}
?>
先讀取一行，此時文件指針其實是指到下一行開頭，使用fseek將文件指針回移到上一行起始位置，然后使用fwrite進行替換操作，正因為是替換操作，在不指定長度的情況下，它把影響到下一行的數據，而我想要的是只想針對這一行進行操作，例如刪除這一行或是整行只替換為一個1，上面的例子達不到要求，或許是我還沒有找到合適的方法… 你有好的方法嗎？
到此這篇關于php的Snoopy類案例講解的文章就介紹到這了,更多相關php的Snoopy內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:- PHP正則+Snoopy抓取框架實現的抓取淘寶店信譽功能實例
- php基于Snoopy解析網頁html的方法
- php中Snoopy類用法實例
- PHP采集類snoopy詳細介紹(snoopy使用教程)
- PHP采集類Snoopy抓取圖片實例
- 基于Snoopy的PHP近似完美獲取網站編碼的代碼
