php的Snoopy類

獲取請求網(wǎng)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(nèi)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(diào)用相應的方法即可獲取抓取的網(wǎng)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(wǎng)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 = "//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(xiàn)思路：

1、抓取指定網(wǎng)頁，并篩選出預期的所有文章地址；

2、循環(huán)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(guī)則的圖片地址；

3、根據(jù)圖片后綴和ID（這里只有g(shù)if、jpg）保存圖片---如果此圖片文件存在，先將其刪除再保存

<?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 = "//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."
";
        
        $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 "
文件".$imgSavePath."已存在，將被刪除
";
        }
        
        $imgFile = file_get_contents($url);
        $flag = file_put_contents($imgSavePath, $imgFile);
        
        if ($flag) {
            echo "
文件".$imgSavePath."保存成功
";
        }
        
    }
?>

在使用php抓取網(wǎng)頁：內(nèi)容、圖片、鏈接的時候，我覺得最重要的還是正則(根據(jù)抓取的內(nèi)容和指定的規(guī)則獲取想要的數(shù)據(jù))，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(nèi)容還是直接調(diào)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(xiàn)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(guī)則的行內(nèi)容進行替換，如第3行是aaa需要轉(zhuǎn)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?。?，然后使用臨時文件進行保存最終轉(zhuǎn)換后的結(jié)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?。ㄖ鹦凶x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(shù)據(jù)也打亂了（不能像javaScript中有“選區(qū)”的概念，使用新的內(nèi)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(shù)據(jù)，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(guān)于php的Snoopy類案例講解的文章就介紹到這了,更多相關(guān)php的Snoopy內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！