PHP 入門級網頁採集程式：圖片抓取與分頁處理實戰

在早期的 PHP 開發學習中，編寫簡單的採集腳本是理解網路請求、正則表達式與檔案操作的絕佳練習。本文整理自 2007 年的一份經典入門教程，展示如何使用 file_get_contents 搭配正則表達式，從目標頁面抓取圖片並處理分頁邏輯，最後將結果整合輸出或存入 EmpireCMS 等系統二次加工。

核心函數解析：getimg()

程式的核心在於 getimg($url, $n, $key, $imgqian, $imgbiao, $titlekey) 函數，參數含義如下：

• $url：目標頁面 URL
• $n：圖片計數器（引用傳遞，跨分頁累加）
• $key：圖片地址正則模板，預留 {圖片地址} 佔位符
• $imgqian：圖片網址前綴（處理相對路徑）
• $imgbiao：特徵標識，用於篩選符合條件的圖片標籤
• $titlekey：頁面標題正則模板，預留 {圖片標題} 佔位符

函數流程：

1. 抓取頁面原始碼 $msg = file_get_contents($url)
2. 將佔位符替換為捕獲組 (.+)，組合完整正則
3. preg_match_all 提取所有符合條件的圖片標籤
4. 遍歷結果，若包含 $imgbiao 則補全前綴；否則直接匹配 https://...jpg
5. 提取頁面標題並返回

分頁採集邏輯

當 $_POST['getpage'] == '是' 時啟用分頁採集：

• page：分頁連結正則，含 {分頁地址} 佔位符
• pagekey：從分頁連結中提取實際 URL 的正則，含 {關鍵地址} 佔位符
• pc：採集頁數限制（1~5 或全部）

程式會解析首頁分頁連結，逐一訪問並複用 getimg() 累加圖片，實現多頁面聚合採集。

三個實戰表單範例

範例 1：帶分頁的圖集頁面

<form method="POST" action="?act=getimgadd">
  輸入圖片地址 <input name="url" value="https://www.pp132.com/n835c17.shtml"><br>
  圖片地址正則 <input name="key" value="<img{圖片地址}>"><br>
  圖片地址前綴 <input name="imgqian" value="https://www.pp132.com/"><br>
  圖片地址標識 <input name="imgbiao" value="upload"><br>
  圖片標題正則 <input name="titlekey" value="<H1 class=aTitle>{圖片標題}</H1></DIV>"><br>
  分頁地址正則 <input name="page" value="<a href=\"{分頁地址}shtml\">.[0-9]"><br>
  分頁地址模式 <input name="pagekey" value="https://{關鍵地址}shtml"><br>
  <select name="getpage"><option value="是" selected>獲取分頁</option><option value="否">不獲取</option></select><br>
  <select name="pc"><option value="1" selected>1頁</option>...<option value="全部">全部</option></select><br>
  <select name="showtype"><option value="圖片" selected>顯示圖片</option><option value="文字">顯示網址</option></select><br>
  <input type="submit">
</form>

範例 2：無分頁、相對路徑圖片

目標頁 https://zy.muwen.com/pic/89/2007/01/01/131721.htm，圖片標籤為 <IMG src="/UpLoad{圖片地址}jpg"，需設定 imgqian=https://zy.muwen.com/、imgbiao=UpLoad，分頁相關留空。

範例 3：無分頁、絕對路徑圖片

目標頁 https://www.6642.com/Disp/9936.htm，圖片已為完整 URL，故 imgqain 留空，imgbiao 仍可設特徵值輔助篩選。

論壇附件/外鏈採集補充正則

針對華聲論壇（dispbbs2.asp）兩種圖片形式提供現成正則：

• 附件形式：upload=jpg{圖片地址}upload，標識 bbs
• 外鏈形式：img]{圖片地址}/img，標識 jpg
• 統一標題正則：帖子主題</B>：{圖片標題}</th>

兼容性備註

若伺服器禁用 file_get_contents，可改用 fopen/fgets 迴圈讀取並 join 組合內容，原始碼中已附註替代寫法。

安全與現代化建議

• 原始碼直接使用 $_POST 參數拼接 SQL/正則，存在注入風險，實際部署請務必過濾轉義
• 建議改用 cURL 替代 file_get_contents，支援 Header、Cookie、Timeout 等進階控制
• 正則解析 HTML 易斷裂，現代專案推薦 DOMDocument 或 Symfony DomCrawler
• 採集頻率需遵守 robots.txt 與目標站點服務條款，避免法律風險

這份腳本雖屬入門級，但完整展示了「抓取 → 正則提取 → 分頁遞迴 → 結果輸出」的經典採集閉環，適合初學者閱讀理解 PHP 網路操作基礎流程。