PHP实现爬虫爬取图片代码实例

下面是详细讲解：

PHP实现爬虫爬取图片代码实例

什么是爬虫？

爬虫（Crawler）是指一种能够按照一定规则自动抓取互联网上信息的程序，也称为网络蜘蛛（Spider）。通俗的理解是自动抓取网页内容并进行处理的程序。

爬虫的基本流程

• 发起请求
• 解析网页内容
• 保存数据

实现步骤

爬虫请求

使用 PHP 的 CURL 函数库来发起请求：

$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$res = curl_exec($ch);
curl_close($ch);

其中，$url 代表要请求的网页地址，CURLOPT_RETURNTRANSFER 参数设置为 true 表示返回字符串类型的数据，CURLOPT_FOLLOWLOCATION 参数设置为 true 表示自动跟随重定向链接。

解析网页内容

使用 PHP 常用的库 simple_html_dom 来解构 HTML，从而获取图片链接：

$html = str_get_html($res);
$imgs = $html->find('img');
foreach ($imgs as $img) {
    $src = $img->src;
    // 处理获取的图片链接
}

其中，$res 是请求得到的 HTML 字符串，str_get_html() 函数将 HTML 字符串转换为 DOM 对象，$html->find('img') 获取 HTML 中的所有 img 标签，返回一个数组，遍历数组获取图片链接。

保存数据

遍历获取到的图片链接，使用 CURL 下载图片并保存到本地：

foreach ($imgs as $img) {
    $url = $img->src;
    $filename = basename($url);
    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_BINARYTRANSFER, 1);
    $img = curl_exec($ch);
    curl_close($ch);
    if (file_put_contents($filename, $img)) {
        echo "保存成功：$filename";
    } else {
        echo "保存失败：$filename";
    }
}

其中，$url 是图片链接，$filename 是本地保存的文件名，file_put_contents() 函数将下载得到的图片二进制数据写入到本地文件中。

示例说明

示例 1

抓取百度首页上所有图片的链接并保存下来。

$url = 'https://www.baidu.com/';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$res = curl_exec($ch);
curl_close($ch);

$html = str_get_html($res);
$imgs = $html->find('img');
foreach ($imgs as $img) {
    $url = $img->src;
    $filename = basename($url);

    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_BINARYTRANSFER, 1);
    $img = curl_exec($ch);
    curl_close($ch);

    if (file_put_contents($filename, $img)) {
        echo "保存成功：$filename";
    } else {
        echo "保存失败：$filename";
    }
}

示例 2

抓取豆瓣电影首页上所有电影海报的链接并保存下来。

$url = 'https://movie.douban.com/';
$ch = curl_init();
curl_setopt($ch, CURLOPT_URL, $url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_FOLLOWLOCATION, true);
$res = curl_exec($ch);
curl_close($ch);

$html = str_get_html($res);
$imgs = $html->find('.billboard-bd img');
foreach ($imgs as $img) {
    $url = $img->src;
    $filename = basename($url);

    $ch = curl_init();
    curl_setopt($ch, CURLOPT_URL, $url);
    curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
    curl_setopt($ch, CURLOPT_BINARYTRANSFER, 1);
    $img = curl_exec($ch);
    curl_close($ch);

    if (file_put_contents($filename, $img)) {
        echo "保存成功：$filename";
    } else {
        echo "保存失败：$filename";
    }
}

总结

爬虫是一种非常有趣的技能，能够帮助我们自动化处理大量网页数据，从而实现快速获取信息和数据分析处理等应用场景。希望这篇文章能够对你有所帮助。