設(shè)計(jì)思路 考慮到單純的采集一個(gè)網(wǎng)頁(yè)的圖片，太麻煩，所以直接采集他的列表頁(yè)，獲取列表的url然后在一一采集，但是用php匹配列表頁(yè)的url太麻煩，第一列表頁(yè)有很多無(wú)效url這對(duì)我這個(gè)正則小菜鳥(niǎo)實(shí)在是個(gè)問(wèn)題，看了一下列表頁(yè)的結(jié)構(gòu)，果斷采用jquery獲取url，jquery的萬(wàn)能選擇器又再次強(qiáng)大起來(lái)了。

jquery獲取url，然后ajax傳遞url—>對(duì)應(yīng)PHP文件，遍歷url參數(shù)—->單頁(yè)面采集保存圖片

jquery程序

這里把url拼接成‘，’分割的字符串傳遞url，使用getjson是為了跨域需要，關(guān)于getjson常見(jiàn)的幾個(gè)問(wèn)題可以參看<$.getjson遇到的幾個(gè)問(wèn)題>

PHP采集程序


考慮到性能問(wèn)題：在getimgs方法中所用的變量都是使用后便注銷(xiāo)（unset）了，以便釋放內(nèi)存。

設(shè)計(jì)到的幾個(gè)知識(shí)點(diǎn)

判斷是否是標(biāo)準(zhǔn)有效圖片url
if(substr($v,0,4)==’http’)這個(gè)只是簡(jiǎn)單的判斷一下匹配到的圖片url是否是標(biāo)準(zhǔn)的url，因?yàn)椴杉膱D片可能是相對(duì)路徑的，這里我直接放棄這種圖片的采集，當(dāng)然你也可以把這種圖片還原成標(biāo)準(zhǔn)圖片路徑，還有一個(gè)問(wèn)題就是即使是標(biāo)準(zhǔn)url格式，這樣的圖片也未必可以采集，因?yàn)槟悴恢肋@個(gè)圖片是否還有，也許這個(gè)圖片url已經(jīng)無(wú)效了，如果你想更嚴(yán)格的判斷這個(gè)圖片url是否真實(shí)有效可以推薦看我之前的《PHP判斷遠(yuǎn)程url是否有效的幾種方法》有三種方法可以驗(yàn)證是否是有效url。

獲取圖片格式

$ext = pathinfo($v,PATHINFO_EXTENSION);//圖片擴(kuò)展

這里使用了pathinfo的方法，總結(jié)有7種方法可以獲取到文件的格式，推薦文章：《PHP判斷圖片格式的七種方法》

下載保存到本地

file_put_contents(’365/’.$dirname.’/’.$k.’.’.$ext,file_get_contents($v));
file_put_contents() 函數(shù)把一個(gè)字符串寫(xiě)入文件中。
與依次調(diào)用 fopen()，fwrite() 以及 fclose() 功能一樣。
file_get_contents() 函數(shù)把整個(gè)文件讀入一個(gè)字符串中。

因?yàn)榉?wù)器支持file_get_contents，如果服務(wù)器把這個(gè)函數(shù)禁用了，可以使用curl，這個(gè)工具要比f(wàn)ile_get_contents更加強(qiáng)大，推薦學(xué)習(xí)《CURL的學(xué)習(xí)和應(yīng)用(附多線程)》，可以使用curl的多線程下載存儲(chǔ)，效果更好

清除文件操作緩存

clearstatcache() 函數(shù)清除文件狀態(tài)緩存。clearstatcache() 函數(shù)會(huì)緩存某些函數(shù)的返回信息，以便提供更高的性能。但是有時(shí)候，比如在一個(gè)腳本中多次檢查同一個(gè)文件，而該文件在此腳本執(zhí)行期間有被刪除或修改的危險(xiǎn)時(shí)，你需要清除文件狀態(tài)緩存，以便獲得正確的結(jié)果。要做到這一點(diǎn)，就需要使用 clearstatcache() 函數(shù)。官方手冊(cè)：

程序執(zhí)行時(shí)間計(jì)算



可以參考本博客文章；《獲取php頁(yè)面執(zhí)行時(shí)間，數(shù)據(jù)庫(kù)讀寫(xiě)次數(shù)，函數(shù)調(diào)用次數(shù)等【THINKPHP】》

最后看一下效果；



409秒采集了214張圖片，大概2秒下載保存了一張圖片，圖片總大小約62M，這樣看來(lái)：

一個(gè)小時(shí)60*60可以大約下載1800張圖片

最新評(píng)論