PHP采集静态页面并把页面css,img,js保存的方法

2015-01-24信息快讯网

这篇文章主要介绍了PHP采集静态页面并把页面css,img,js保存的方法,可以实现简单的网页抓取功能,具有一定的参考借鉴价值,需要的朋友可以参考下

本文实例讲述了PHP采集静态页面并把页面css,img,js保存的方法。分享给大家供大家参考。具体分析如下：

这是一个可以获取网页的html代码以及css,js,font和img资源的小工具,主要用来快速获取模板,如果你来不及设计UI或者看到不错的模板,则可以使用这个工具来抓取网页和提取资源文件,提取的内容会按相对路径来保存资源,因此你不必担心资源文件的错误url导入.

首页 index.php,代码如下:

<!DOCTYPE html> 
<html> 
<head> 
<meta name="author" content="flute" /> 
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" /> 
<title>网页抓取器</title> 
<link rel="stylesheet" href="main.css" media="all" /> 
<script type="text/javascript" src="jquery.js"></script> 
<script type="text/javascript" src="main.js"></script> 
</head> 
<body> 
<h1>Web Grabber</h1> 
<hr /> 
<div class="box"> 
  <h2>Url</h2> 
  <div class="form"> 
    <input type="text" id="project" value="projectname" /> 
    <input type="text" id="url" value="http://" size="60" /> 
    <button class="submit" type="button">Get</button><span id="tip"></span> 
  </div>
</div> 
<div class="box"> 
  <span class="all" id="saveall">Save All</span> 
  <h2>List</h2> 
  <ul id="list"> 
  </ul> 
</div> 
</body> 
</html>

抓取页面代码 grab.php,代码如下:

<?PHP 
 /* 
 * flute 
 * 2014/03/31 
 */ 
 
 if(isset($_POST['url'])) { 
  if(isset($_POST['project']) && !is_dir($_POST['project'])) mkdir($_POST['project'], 0777); 
  echo json_encode(grab($_POST['url'])); 
 } 
 
 function grab($url) { 
  //$url = 'http://ldixing-wordpress.stor.sinaapp.com/uploads/leaves/test.html'; 
  $data = array(); 
  $file = preg_replace('/^.*//', '', $url); 
 
  if(($content = file_get_contents($url)) !== false) { 
 
   if(isset($_POST['project'])) file_put_contents($_POST['project'].'/'.$file, $content); 
 
   $pattern = '/<link.*?href=('|")(.*?.css)1.*?>/i'; 
   if(preg_match_all($pattern, $content, $matches)) { 
    $data['css'] = $matches[2]; 
   } 
 
   $pattern = '/<script.*?src=('|")(.*?.js)1.*?>/i'; 
   if(preg_match_all($pattern, $content, $matches)) { 
    $data['js'] = $matches[2]; 
   } 
 
   $pattern = '/<img.*?src=('|")(.*?)1.*?>/i'; 
   if(preg_match_all($pattern, $content, $matches)) { 
    $data['img'] = $matches[2]; 
   } 
 
   $pattern = '/url(('|"|s)(.*?)1)/i'; 
   if(preg_match_all($pattern, $content, $matches)) { 
    $data['src'] = $matches[2]; 
   } 
  } 
 
  return $data; 
 }
 function vardump($obj) { 
  echo '<pre>'; 
  print_r($obj); 
  echo '</pre>'; 
 } 
?>

保存css,js,img等资源的页面 save.php,代码如下:

<?PHP 
 /* 
 *  flute 
 *  2014/03/31 
 */ 
 
 if(isset($_POST['url']) && isset($_POST['project']) && isset($_POST['domain'])) { 
  extract($_POST); 
  $url = preg_replace('/?.*$/', '', $url); 
  $file = $url; 
  $arr = explode('/', $file); 
  $length = sizeof($arr); 
  $filename = $arr[$length - 1]; 
  $root = $project; 
  $dir = $root; 
 
  if($domain == 'http') { 
   $dir = $root.'/http'; 
   if(!is_dir($dir)) mkdir($dir, 0777); 
  } else { 
   $file = $domain.'/'.$url; 
   for($i = 0; $i < $length -1; $i++) { 
    if(!emptyempty($arr[$i])) { 
     $dir .= '/'.$arr[$i]; 
     if(!is_dir($dir)) mkdir($dir, 0777); 
    }
   } 
  } 
  if(!file_exists($dir.'/'.$filename) || filesize($dir.'/'.$filename) == 0) { 
   $content = file_get_contents($file); 
   file_put_contents($dir.'/'.$filename, $content); 
  } 
 } 
?>

使用方法:

1. 打开index页,输入项目名和要抓取的网址,网址必须是文件名结尾,如index.html；

2. 点Get按钮，得到当前页面所有的css,js,img等资源列表；

3. 点击css链接会获取css文件中的背景资源图片，附加在列表后头；

4. 点击Save All即可保存列表中所有的文件，并按相对路径生成；

5. 如果网页上有http远程文件，将会直接保存在http文件夹下;

6. Get和Save有时会失败，没关系重试几次即可。

希望本文所述对大家的php程序设计有所帮助。

php使用正则表达式获取图片url的方法

php使用CURL伪造IP和来源实例详解

php+mysql实现无限分类实例详解

php截取html字符串及自动补全html标签的方法