PHP采集静态页面并把页面css,img,js保存的方法

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:

复制代码 代码如下:

<!DOCTYPE html>
<html>
<head>
<meta content="flute" />
<meta http-equiv="Content-Type" content="text/html; charset=utf-8" />
<title>网页抓取器</title>
<link href="https://www.jb51.net/main.css" media="all" />
<script type="text/javascript" src="https://www.jb51.net/jquery.js"></script>
<script type="text/javascript" src="https://www.jb51.net/main.js"></script>
</head>
<body>
<h1>Web Grabber</h1>
<hr />
<div>
  <h2>Url</h2>
  <div>
    <input type="text" value="projectname" />
    <input type="text" value="http://" size="60" />
    <button type="button">Get</button><span></span>
  </div>
</div>
<div>
  <span>Save All</span>
  <h2>List</h2>
  <ul>
  </ul>
</div>
</body>
</html>


抓取页面代码 grab.php,代码如下:

复制代码 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'].'https://www.jb51.net/'.$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:

复制代码 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('https://www.jb51.net/', $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 = $domain.'https://www.jb51.net/'.$url;
   for($i = 0; $i < $length -1; $i++) {
    if(!emptyempty($arr[$i])) {
     $dir .= 'https://www.jb51.net/'.$arr[$i];
     if(!is_dir($dir)) mkdir($dir, 0777);
    }
   }
  }
  if(!file_exists($dir.'https://www.jb51.net/'.$filename) || filesize($dir.'https://www.jb51.net/'.$filename) == 0) {
   $content = file_get_contents($file);
   file_put_contents($dir.'https://www.jb51.net/'.$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。

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:http://www.heiqu.com/4ba9f9416bae490c74ad093a9d26bc80.html