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.phpfensi.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
-
-
-
-
-
- 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) {
-
- $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];
- }
-
- $pattern = '/url(('|"|s)(.*?)1)/i';
- if(preg_match_all($pattern, $content, $matches)) {
- $data['src'] = $matches[2];
- }
- }
-
- return $data;
- }
-
-
- function vardump($obj) {
- echo '<pre>';
- print_r($obj);
- echo '</pre>';
- }
- ?>
保存css,js,img等资源的页面 save.php,代码如下:
- <?PHP
-
-
-
-
-
- if(isset($_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($dir, 0777);
- }
- }
- }
- if(!file_exists($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。
