使用php实现爬虫程序 套取网站的图片实例

时间：2023-03-08 20:59:26
<?php

//去采集a67 图片 网站链接 http://www.xiamov.com/list/1/p.2  你也可以采集其他网站的图片

//创建链接 dedecms--a67

//设置执行不超时

set_time_limit(0);
//fsockopen() 函数 第一个参数是指主机 第二个参数指的是端口号 一般我们默认为80端口 第三个参数是错误编号  第四个参数是返回错误的字符串  第五个参数指的是链接时长 我上面写的是30秒 如果30秒没有链接到对方主机 则会返回链接失败

$conn=fsockopen("www.xiamov.com",80,$errno,$errstr,30);

if(!$conn){

	die("链接失败");

}

//说话  协议

$httpstr="GET /list/1/p.2 HTTP/1.1\r\n";

$httpstr.="Host: www.xiamov.com\r\n";

$httpstr.="Connection: Close\r\n\r\n";

//发送http请求 对方就应该有回应

fwrite($conn,$httpstr,strlen($httpstr));

//看看a67 网站会送的是什么东西

$res="";

while(!feof($conn)){

	$res.=fread($conn,1024);

}

fclose($conn);

//file_put_contents("D:/1.txt", $res);

//echo $res;

//我要找到该页面的图片资源 img src

//<img alt="邪恶小分队下载" title="邪恶小分队下载" src="http://img.xiamov.com/vod/2016-07/578e2cc52da30.jpg">

$reg1='/<img alt="[^"]*" title="[^"]*" src="([^"]*)"/i'; //这个是匹配上面的<img 的正则表达式 [^"]* 这个表示的是 只要不是“ 就不断匹配 这个很常用 可以学习

preg_match_all($reg1,$res,$arr1);

//把$arr1[1]遍历  并取出各个图片的uri

foreach($arr1[1] as $imgurl){

	//echo"<br/>".$imgurl;

	$imguri=str_replace("http://img.xiamov.com","",$imgurl);

	//echo"<br/>".$imguri;

	//再次发出请求 要图片  注意 这里的主机发生变化了 主机变化为img.xiamov.com
	$conn=fsockopen("img.xiamov.com",80,$errno,$errstr,30);

	//组织httpstr

	$httpstr="GET $imguri HTTP/1.1\r\n";

$httpstr.="Host: img.xiamov.com\r\n";

$httpstr.="Connection: Close\r\n\r\n";

//发出请求 img

fwrite($conn,$httpstr,strlen($httpstr));

$res2="";

while(!feof($conn)){

	$res2.=fread($conn,1024);

}

fclose($conn);

//看看$res2是什么

//file_put_contents("D:/1.txt", $res2);

//exit();

//我们把图片的数据从$res2截取出来 保存成图片

$pos=strpos($res2,"\r\n\r\n");

$imgres=substr($res2,$pos+4);  //后面加的数字很重要 这个数字4 是本人不断测试才得到的

$fileinfo=pathinfo($imguri);

file_put_contents("./myimages/".$fileinfo['basename'], $imgres);

//die;

sleep(2);  //我们可以使用sleep函数 来延迟发送请求

}

die("成功取回图片");

　　以上是采取A67电影网中电影列表的部分图片   通过以上的爬取程序 我们就可以爬取任何网站的图片了

相关文章