使用php實現爬蟲程序 套取網站的圖片實例

<?php
//去采集a67 圖片 網站鏈接 http://www.xiamov.com/list/1/p.2  你也可以采集其他網站的圖片
//創建鏈接 dedecms--a67

//設置執行不超時
set_time_limit(0);
//fsockopen() 函數 第一個參數是指主機 第二個參數指的是端口號 一般我們默認為80端口 第三個參數是錯誤編號  第四個參數是返回錯誤的字符串  第五個參數指的是鏈接時長 我上面寫的是30秒 如果30秒沒有鏈接到對方主機 則會返回鏈接失敗
$conn=fsockopen("www.xiamov.com",80,$errno,$errstr,30);
if(!$conn){
	die("鏈接失敗");
}

//說話  協議
$httpstr="GET /list/1/p.2 HTTP/1.1\r\n";  
$httpstr.="Host: www.xiamov.com\r\n";
$httpstr.="Connection: Close\r\n\r\n";

//發送http請求 對方就應該有回應
fwrite($conn,$httpstr,strlen($httpstr));

//看看a67 網站會送的是什么東西
$res="";
while(!feof($conn)){
	$res.=fread($conn,1024);
}
fclose($conn);
//file_put_contents("D:/1.txt", $res);
//echo $res;

//我要找到該頁面的圖片資源 img src
//<img alt="邪惡小分隊下載" title="邪惡小分隊下載" src="http://img.xiamov.com/vod/2016-07/578e2cc52da30.jpg">

$reg1='/<img alt="[^"]*" title="[^"]*" src="([^"]*)"/i'; //這個是匹配上面的<img 的正則表達式 [^"]* 這個表示的是 只要不是“ 就不斷匹配 這個很常用 可以學習
preg_match_all($reg1,$res,$arr1);

//把$arr1[1]遍歷  並取出各個圖片的uri
foreach($arr1[1] as $imgurl){
	//echo"<br/>".$imgurl;
	$imguri=str_replace("http://img.xiamov.com","",$imgurl);
	//echo"<br/>".$imguri;
	//再次發出請求 要圖片  注意 這里的主機發生變化了 主機變化為img.xiamov.com

	$conn=fsockopen("img.xiamov.com",80,$errno,$errstr,30);
	//組織httpstr
	$httpstr="GET $imguri HTTP/1.1\r\n";
$httpstr.="Host: img.xiamov.com\r\n";
$httpstr.="Connection: Close\r\n\r\n";

//發出請求 img
fwrite($conn,$httpstr,strlen($httpstr));
$res2="";
while(!feof($conn)){
	$res2.=fread($conn,1024);
}
fclose($conn);

//看看$res2是什么
//file_put_contents("D:/1.txt", $res2);
//exit();
//我們把圖片的數據從$res2截取出來 保存成圖片

$pos=strpos($res2,"\r\n\r\n");
$imgres=substr($res2,$pos+4);  //后面加的數字很重要 這個數字4 是本人不斷測試才得到的
$fileinfo=pathinfo($imguri);
file_put_contents("./myimages/".$fileinfo['basename'], $imgres);
//die;
sleep(2);  //我們可以使用sleep函數 來延遲發送請求 
}

die("成功取回圖片");

　　以上是采取A67電影網中電影列表的部分圖片   通過以上的爬取程序 我們就可以爬取任何網站的圖片了