小偷程序其实就是自动去采集别人网站的内容，然后进行一些处理之后换成自己网站上无能为力，像现在有dedecms就有此功能，还有火车头也是这样的工具了，下面来看一个例子。
实自己一直想做一个内涵图片的网站，以前的想法是做一个CMS，然后自己上传一些图片。。
开始真这么做的，没什么动力。之后就放弃了，后来研究了一个curl。反正还是把这个想法实现比较好。
用PHP盗图，就好比：穿着袜子穿凉鞋一样。虽然没问题，但看着确实蛋疼。
我先说一下我对PHP小偷程序的设计，PHP不支持多线程，这样就只能分先后顺序来做了
获取到目标网站的HTML页面+解析HTML页面获取到图片存储的连接+用二进制方式读取并且保存在本地+重命名 == 流程OK
你现在用两种方式来运行程序：
立即学习“PHP免费学习笔记（深入）”；
第一种：用游览器跑程序（多半会卡死，设置超时和内存大小就OK，你之间比较难等）
另一种：用命令行启动PHP（不存在PHP超时的问题）
/
| 代码如下 | 复制代码 |
| ** *HTML解析类 *author：Summer *date:2014-08-22 **/ class Analytical{ public function __construct() { require_once('Class/SimpleHtmlDom.class.php'); $this->_getDir(); } private function _getDir() { $dir = "../TMP/HTML/Results/1"; $imgBIG = "../TMP/IMG/JPG/BIG"; $it = new DirectoryIterator($dir."/"); foreach($it as $file) { //用isDot ()方法分别过滤掉“.”和“..”目录 if (!$it->isDot()) { $dirs = $dir."/".$file ; $tmp = explode(".",$file); $html = file_get_html($dirs); $ulArr = $html->find('img'); foreach($ulArr as $key=>$value) { if ($value->class == "u") { $url = "http://www.111cn.net ".$value->src; $infomation = file_get_contents($url); $result = $this->saveHtml($infomation, $imgBIG, $tmp['0'].".jpg"); if($result) { echo $file."OKn"; } } } } } } private function saveHtml($infomation,$filedir,$filename) { if(!$this->mkdirs($filedir)) { return 0; } $sf = $filedir."/".$filename; $fp=fopen($sf,"w"); //写方式打开文件 return fwrite($fp,$infomation); //存入内容 fclose($fp); //关闭文件 } //创建目录 private function mkdirs($dir) { if(!is_dir($dir)) { if(!$this->mkdirs(dirname($dir))){ return false; } if(!mkdir($dir,0777)){ return false; } } return true; } } new Analytical(); |
|
上面这个是HTML页面获取IMG的连接地址的过程。
用到了两个比较重要的东西：
AiFreePhp(爱免费php企业建站程序是一个免费开源的PHP建站程序),基于PHP + MYSQL 与模板技术,具有产品展示，文章栏目，下载管理，友情链接等功能。无任何限制功能，程序简单实用，可用于中小企业网站建设，不收取任何费用。使用本程序，不可将程序变相转售,二次开发发布。 运行安装目/install/index.php一般要求安装在站点的根目录，不是根目录有试过有没有问题,请大家尽量以
1.PHP的DOM解析扩展simplehtmldom
2.PHP的目录迭代器
理解这两个东西了。这个分析类就没难点了。
在说说如果获取需要解析的页面呢？
其实跟上面的原理的是一样的。主要获取页面的URL，然后通过CURL去读取页面，返回一个HTML字符串，
再通过保存函数包HTML页面保存到本地。
我这里是因为要采集页面里面的图片（为了防止别人防盗链），所以设计的比较复杂。
而且为什么要分开，是因为simplehtmldom对象是很庞大的，而且拆开进行这样对流程更加清楚。
肯定有人会说，那为什么不用正则去匹配就跳过了HTML保存到本地的环节了，BINGO！我只能懒得写正则而已
