// 设置脚本不限制时间一直执行到结束
set_time_limit(0);
class Movie
{
private $init;
public function __construct()
{
// 创建一个下载用的对象
$this->init = curl_init();
// 返回字符串不要直接输出
curl_setopt($this->init, CURLOPT_RETURNTRANSFER, TRUE);
}
// 根据URL地址下载一个页面
public function get($url)
{
curl_setopt($this->init, CURLOPT_URL, $url);
return curl_exec($this->init);
}
// 从一个字符串中截取出一小段
public function getSection($str, $start, $end)
{
// 开始的位置
$startpos = strpos($str, $start);
// 结束的位置
$endpos = strpos($str, $end);
// 开始标记的长度
$startlen = strlen($start);
// 内容的长度
$conlen = $endpos - $startpos - $startlen;
// 截取
return substr($str, $startpos + $startlen, $conlen);
}
// 开始采集
public function start()
{
$pdo = new PDO('mysql:host=localhost;dbname=cj_movie', 'root', '');
$pdo->exec('SET NAMES utf8');
$stmt = $pdo->prepare('INSERT INTO cj_movie VALUES(null,?,?,?)');
// 要采集的分类
$arr = ['aiqing','dongzuo','xiju'];
// 计数
$totalnum = 0;
foreach($arr as $v0)
{
// 循环页数
for($i=1; $i<=100; $i++)
{
// 先下载页面的HTML
$html = $this->get("http://dianying.2345.com/list/$v0-------$i.html");
// 截取出包含电脑的那一段字符串
$html = $this->getSection($html, 'pic180_240', 'v_page');
// 通过正则匹配出每个li标签
$li_re = '/
// 把匹配到的LI保存到$li中
preg_match_all($li_re, $html, $li);
$img_re = '//Us';
$a_re = '/.+/Us';
/Us
// 循环每个电影下载
foreach($li[0] as $v)
{
// 匹配图片和标题
preg_match($img_re, $v, $img);
$img[2] = mb_convert_encoding($img[2], 'utf-8', 'gb2312');
// 匹配详情页的链接
preg_match($a_re, $v, $link);
$stmt->bindValue(1, $img[2]);
$stmt->bindValue(2, $img[1]);
$stmt->bindValue(3, $link[1]);
$stmt->execute();
// 计数
if(++$totalnum % 10 == 0)
{
echo $totalnum . '已下载完成
';
ob_flush();
flush();
// 休息一下，把内存中的数据导入到数据库中
sleep(2);
}
}
}
}
echo 'ok!';
}
}
$a = new Movie;
$str = $a->start();
