php抓取网页所有图片(春节快乐PHP模拟浏览器访问url地址及相关源码如下)

　　php抓取网页所有图片(春节快乐PHP模拟浏览器访问url地址及相关源码如下)

　　春天

　　节日

　　快的

　　乐趣

　　在PHP中爬取时，我们一般使用PHP来模拟浏览器访问，通过http请求访问url地址，然后获取html源代码或者xml数据。我们无法直接输出数据，往往需要将内容提取出来，然后进行格式化，以更友好的方式显示。

　　一、基本原则

　　常用的方法有file_get_contents和curl，区别简单说如下：

　　1. curl 多用于互联网网页之间的爬取，file_get_contents 多用于获取静态页面的内容。

　　2. file_get_contents 会为每个请求重新做 DNS 查询，并且不缓存 DNS 信息。但是 CURL 会自动缓存 DNS 信息。对同一域名下的网页或图片的请求只需要一次 DNS 查询。这大大减少了 DNS 查询的数量。所以 CURL 的性能要比 file_get_contents 好很多。

　　3. file_get_contents 在请求 HTTP 时不会保持活动状态，但 curl 可以。这样，当多次请求多个链接时，curl 会更高效。

　　4. curl 支持多种协议，包括 FTP、FTPS、HTTP、HTTPS、GOPHER、TELNET、DICT、FILE 和 LDAP，这意味着它可以做很多 file_get_content 做不到的事情。curl可以在php中实现远程获取和采集内容；实现PHP网页版的FTP上传下载；实现模拟登录；实现接口对接（API）、数据传输；实现模拟cookie；，功能非常强大。

　　5. file_get_contents 函数受 php.ini 文件中的 allow_url_open 选项配置影响。如果关闭配置，该功能也会失效。并且 curl 不受此配置的影响。

　　二、图像捕捉

　　这里以file_get_contents为例，抓取国内新闻网的新闻列表缩略图。

　　页面及相关html源码如下：

　　首先我们通过file_get_contents获取页面html的完整源码，并进行正则匹配，匹配所有img标签的src属性值，也就是我们要获取的目标：

　　这样，上面代码中的$matches就存储了所有匹配到的img的src属性值，然后循环下载保存到本地：

　　三、 通过PHP调用wget抓取

　　上面的代码已经展示了一个基本的图片抓取方法，但是当目标图片一般比较大（比如壁纸图片）且网速有限且不稳定时，可以在linux系统下调用wget命令，而不是使用PHP下载，具体示例代码如下：

　　图片爬取只是PHP网络爬虫可以做的一小部分功能。通过PHP网络爬虫，可以轻松获取互联网上更多的数据，无论是用于数据挖掘、市场调研，甚至是制作搜索引擎。

　　ymkj_024

　　每个有梦想的品牌都值得我们帮助