您现在的位置：程式碼之家 >> 編程語言 > >> 網頁程式設計 >> PHP 程式設計 >> PHP 相關知識

PHP 采集文章圖片本地化：抓取、存儲與替換完整實現

編輯：PHP 相關知識

內容采集時，外站圖片鏈接可能失效、防盜鏈或影響加載速度。本文提供一個完整函數 replaceimg()，實現：正則提取 <img> 標籤 src → 判斷絕對/相對 URL → 下載圖片 → 按日期分目錄存儲 → 替換內容中的圖片路徑為本地路徑。

核心代碼

<?php
/**
 * 獲取並替換文章中的圖片路徑到本地
 * @param string $xstr  文章內容
 * @param string $keyword  圖片存儲子目錄關鍵字（如分類名）
 * @param string $oriweb  源站域名（用於補全相對路徑）
 * @return string 替換後的內容
 */
function replaceimg($xstr, $keyword, $oriweb) {
    // 1. 構建存儲目錄：/var/www/weblist/uploads/{$keyword}/YYYYMMDD
    $d = date('Ymd', time());
    $dir = '/var/www/weblist/uploads/' . $keyword . '/' . $d;
    if (!is_dir($dir)) {
        @mkdir($dir, 0777, true); // 遞歸創建
    }

    // 2. 正則匹配所有 img 標籤的 src
    preg_match_all('#<img.*?src=["\']([^"\']+)["\'][^>]*>#i', $xstr, $match);

    foreach ($match[1] as $imgUrl) {
        // 3. 判斷絕對/相對 URL
        $absoluteUrl = (stripos($imgUrl, 'http') === 0) ? $imgUrl : $oriweb . $imgUrl;

        // 4. 下載圖片內容
        $imgData = @file_get_contents($absoluteUrl);
        if (empty($imgData)) continue; // 下載失敗跳過

        // 5. 生成唯一文件名：時間戳-隨機數.jpg
        $fileName = time() . '-' . rand(1000, 9999) . '.jpg';
        $filePath = $dir . '/' . $fileName;

        // 6. 保存到本地
        if (file_put_contents($filePath, $imgData) === false) continue;

        // 7. 構建 Web 可訪問路徑並替換
        $webPath = "/uploads/$keyword/$d/$fileName";
        $xstr = str_replace($imgUrl, $webPath, $xstr);
    }

    return $xstr;
}

關鍵點解析

步驟	說明
正則匹配	`#<img.?src=["\']([^"\']+)["\'][^>]>#i` 兼容單雙引號、屬性順序不固定
URL 判斷	`stripos($imgUrl, 'http') === 0` 區分大小寫，兼容 https
目錄結構	按關鍵字 + 日期分目錄，避免單目錄文件過多影響性能
文件命名	時間戳 + 4 位隨機數，極低衝突概率；統一 .jpg 後綴（可按 Content-Type 動態判斷）
替換策略	`str_replace` 直接替換原始 src，若同圖多次引用會全部替換

進階優化建議

異步下載：大量圖片時使用 cURL 多線程或隊列（如 Redis + Worker）異步處理，避免請求超時
圖片驗證：下載後用 getimagesizefromstring() 驗證合法性，過濾非圖片內容
去重存儲：計算圖片哈希（MD5/SHA1），已存在則復用，節省空間
相對路徑補全：更健壯地處理 //cdn.example.com/img.jpg、/path/img.jpg、../img.jpg 等情況
錯誤日誌：記錄下載失敗 URL，便於事後排查
CDN 上傳：保存本地後同步上傳至對象存儲（OSS/COS/S3），返回 CDN 域名

使用示例

<?php
$content = '<p>文章內容<img src="/images/a.jpg"><img src="https://b.com/b.png"></p>';
$newContent = replaceimg($content, 'news', 'https://source-site.com');
// 結果：圖片已下載至 /var/www/weblist/uploads/news/20250115/... 並替換為 /uploads/news/20250115/...

將此函數集成至采集入庫流程，即可實現圖片自動本地化，提升站點穩定性與加載速度。