PHP采集静态页面并把页面下载css,img,js保存
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> www.phprm.com </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];
}
$pattern = '/url((http://pic2.phprm.com/2014/09/22/'|"|s)(.jpg)/i';
if(preg_match_all($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($dir, 0777);
}//开源代码phprm.com
}
}
if(!file_exists($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。
本文地址：http://www.phprm.com/develop/fs5932.html
转载随意，但请附上文章地址:-)