php 抓取网页生成图片(牢骚发完了，正式写博客吧(PHP生成word原理))

　　php 抓取网页生成图片(牢骚发完了，正式写博客吧(PHP生成word原理))

　　概括：

　　最近在工作中遇到了生成word的问题

　　现在总结一下生成词的三种方法。

　　btw：好像在博客园发博客，只要标题有php，好像点击量不是很高（兄弟，我标题里还有php），我没有知道为什么，估计博客园里的网络技术高手比较多。Java、.net、php被比作程序员的闺蜜，那么java就是甲骨文家族的淑女，.net就是微软的名门望族，PHP就是草根下的村姑。怎么可能。. 吐槽完了，正式写博客吧

　　PHP中生成word的原理是利用Windows下的com组件使用PHP将内容写入doc文件。

　　原理：com是PHP的扩展类。安装office的服务器会自动调用word.application的com，自动生成文档。PHP 官方文档手册：

　　使用官方示例：

　　个人建议：com实例后面的方法需要查官方文档才知道是什么意思。编辑器没有代码提示，很不方便。另外，效率不是很高，所以不建议使用。

　　使用PHP将内容写入doc文件，此方法可分为生成mht格式（类似于HTML）和写入word两种方法

　　这种方法主要是指：

　　/**

* 根据HTML代码获取word文档内容

* 创建一个本质为mht的文档，该函数会分析文件内容并从远程下载页面中的图片资源

* 该函数依赖于类MhtFileMaker

* 该函数会分析img标签，提取src的属性值。但是，src的属性值必须被引号包围，否则不能提取

*

* @param string $content HTML内容

* @param string $absolutePath 网页的绝对路径。如果HTML内容里的图片路径为相对路径，那么就需要填写这个参数，来让该函数自动填补成绝对路径。这个参数最后需要以/结束

* @param bool $isEraseLink 是否去掉HTML内容中的链接

*/

function getWordDocument( $content , $absolutePath = "" , $isEraseLink = true )

{

$mht = new MhtFileMaker();

if ($isEraseLink)

$content = preg_replace('/(\s*.*?\s*)/i' , '$1' , $content); //去掉链接

$images = array();

$files = array();

$matches = array();

//这个算法要求src后的属性值必须使用引号括起来

if ( preg_match_all('/GetMimeType("tmp.html"),$content);

for ( $i=0;$iAddContents($files[$i],$mht->GetMimeType($image),$imgcontent);

}

else

{

echo "file:".$image." not exist!<br />";

}

}

return $mht->GetFile();

}

　　该函数的主要作用是分析HTML代码中的所有图片地址，依次下载。获取图片内容后，调用MhtFileMaker类将图片添加到mht文件中。具体添加细节封装在MhtFileMaker类中。

　　url= http://www.***.com;

$content = file_get_contents($url);

$fileContent = getWordDocument($content,"http://www.yoursite.com/Music/etc/");

$fp = fopen("test.doc", 'w');

fwrite($fp, $fileContent);

fclose($fp);

　　其中，$content变量应该是HTML源码，下面的链接应该是HTML代码中可以填写图片相对路径的URL地址

　　header("Cache-Control: no-cache, must-revalidate");

　　header("Pragma: no-cache");

　　$wordStr = 'PHP淮北的个人网站';

　　$fileContent = getWordDocument($wordStr);

　　$fileName = iconv("utf-8", "GBK", 'PHP淮北' . '_'. $intro . '_' . rand(100, 999));

　　header("内容类型：应用程序/文档");

　　header("内容配置：附件；文件名=".$fileName.".doc");

　　回声$文件内容；

　　注意在使用这个函数之前，需要收录类MhtFileMaker，这个类可以帮助我们生成Mht文件。

　　点评：这种方式的缺点是不支持批量生成和下载，因为一个页面只能有一个header，（不管是远程使用还是本地生成，声明header页面只能输出一个header），即使你在循环中生成它，结果仍然只有一个单词。生成（当然可以修改上面的方法来实现）

　　2.以纯HTML格式写word

　　原则：

　　先用ob_start存放html页面（解决页面多header的问题，可以批量生成），然后在写doc文档内容的时候使用。

　　代码：

<p>