DIV CSS 佈局教程網

您现在的位置: DIV+CSS佈局教程網 >> 網頁腳本 >  >> XML學習教程 >> XML詳解
用 XMLHTTP 元件抓取遠端圖片並落地存檔
編輯:XML詳解     

基於網頁的 HTML 編輯器在新聞系統、文章系統中用得愈來愈廣:隨手貼上一段網頁內容,原本的樣式與圖片都能一併帶過來,編輯起來確實方便。問題出在之後——如果來源頁面把圖片刪了,你的文章裡就留下一個大大的「X」,相當難看。以往只能手動把圖片存到本機、再上傳到伺服器、然後回頭修改連結,流程繁瑣至極。

能不能讓伺服器自動下載圖片、存好,並把頁面中的連結換成本地位址?可以。整個流程分為三個步驟:取出原頁中的圖片網址、下載圖片並存到伺服器、把原連結替換成本地位址。

步驟一:取出圖片網址

做法很多,可以用字串分割,也可以用正規表達式比對。實測顯示正規表達式最為簡潔。分析後可以確定,圖片網址都落在 <img> 標籤裡,因此可以先抓出所有這個標籤,再從中取出 src 屬性的值——分兩層配置正是為了確保準確。

Set objRegExp = New RegExp   ' 建立比對物件
objRegExp.IgnoreCase = True  ' 忽略大小寫
objRegExp.Global = True      ' 全文搜尋
objRegExp.Pattern = "<img.+?>"   ' 先抓出 img 標籤

strs = trim(str)
Set Matches = objRegExp.Execute(strs)   ' 開始比對
For Each Match in Matches
    RetStr = RetStr & getimgs(Match.Value)   ' 第二輪比對,取出網址
Next

由於圖片在標籤中一律是 src="https://圖片網址" 的形式,可以再寫一個函數把確切網址取出來:

function getimgs(str)
    getimgs = ""
    Set objRegExp1 = New RegExp
    objRegExp1.IgnoreCase = True
    objRegExp1.Global = True
    objRegExp1.Pattern = "https://.+?"""   ' 取出其中的網址
    Set mm = objRegExp1.Execute(str)
    For Each Match1 in mm
        getimgs = getimgs & "" & _
                  left(Match1.Value, len(Match1.Value) - 1)   ' 去掉尾端引號
    next
end function

步驟二:下載圖片並存檔

這一步又可拆成兩件事:取得圖片內容,以及把內容寫到伺服器檔案系統。

取得圖片內容靠 XMLHTTP 元件最方便,它會把回應主體以二進位形式交回給你:

function getHTTPPage(url)
    on error resume next
    dim http
    Set http = Server.CreateObject("MSXML2.XMLHTTP")   ' 以 XMLHTTP 取得圖片內容
    Http.open "GET", url, False
    Http.send()
    if Http.readystate <> 4 then
        exit function
    end if
    getHTTPPage = Http.responseBody   ' 注意是 responseBody,不是 responseText
    Set http = nothing
    if err.number <> 0 then err.Clear
end function

直覺上會想用 FSO 把內容寫檔,但實際上行不通——FSO 不支援流式寫入,圖片的二進位內容會出錯。這裡必須改用 ADODB.Stream:

function saveimage(from, tofile)
    dim geturl, objStream, imgs
    geturl = trim(from)
    imgs = gethttppage(geturl)      ' 取得圖片的具體內容

    Set objStream = Server.CreateObject("ADODB.Stream")   ' 需 ADO 2.5 以上
    objStream.Type = 1              ' 以二進位模式開啟
    objStream.Open
    objStream.Write imgs            ' 將內容寫入緩衝
    objStream.SaveToFile Server.MapPath(tofile), 2   ' 將緩衝內容寫入檔案
    objStream.Close                 ' 關閉物件
    Set objStream = nothing
end function

有了這支函數,再用一個迴圈把先前取到的網址逐一存下來即可:

arrimg = split(retstr, "")   ' 分割字串,取得網址清單
allimg = ""
newimg = ""
for i = 1 to ubound(arrimg)
    ' 檢查這張圖是否已下載過,避免重複抓
    if arrimg(i) <> "" and instr(allimg, arrimg(i)) < 1 then
        fname = baseurl & cstr(i & mid(arrimg(i), instrrev(arrimg(i), ".")))
        saveimage(arrimg(i), fname)     ' 存檔
        allimg = allimg & "" & arrimg(i)   ' 記錄原始網址
        newimg = newimg & "" & fname      ' 記錄本機相對路徑
    end if
next

步驟三:替換原有連結

最後把文章內容裡的遠端網址換成本地位址,兩個清單逐一對應即可:

arrnew = split(newimg, "")   ' 本機存檔清單
arrall = split(allimg, "")   ' 原始網址清單
for i = 1 to ubound(arrnew)
    strs = replace(strs, arrall(i), arrnew(i))
next
cctv = strs

可以再加強的地方

這套流程的基本骨架到這裡就完整了。在它之上還能延伸出不少實用功能,例如加上圖片大小的上限、限制只抓取特定網域的圖片、或對本機已存在的檔案直接跳過以免重複下載。

也要清楚它的限制:這個做法只能處理靜態的圖片檔,對由程式動態產生的圖片無效——因為此類網址往往需要 session 或查詢參數才能取回內容,單純的 GET 請求拿不到正確結果。實作時若要更穩健,除了改用正規表達式比對,也建議加入逾時設定與錯誤處理,避免單一圖片抓不到就整篇文章存檔失敗。

XML學習教程| jQuery入門知識| AJAX入門| Dreamweaver教程| Fireworks入門知識| SEO技巧| SEO優化集錦|
Copyright © DIV+CSS佈局教程網 All Rights Reserved