php爬虫抓取百度贴吧图片

本来打算用python写的，因为对python不熟悉，试了minidom，HtmlParser等，感觉上不了手，还是使用比较擅长的php语言吧。

以下是源代码：

 1  \r\n";37     foreach($tidlist as $tid)38     {39         echo "--Gallery $tid 
 \r\n";40         $galleryurl = sprintf($galleryurltpl,$tbname,$tid);41         //得到帖子图册的源代码42         $galleryhtml = file_get_contents($galleryurl);43         //匹配出图片id44         preg_match_all('/\{\"original\":\{\"id\":\"(\w+)\"/',$galleryhtml,$m2);45         //得到图片id列表46         $pidlist = $m2[1];47         foreach($pidlist as $pid)48         {49             echo "----Picture {$tid}/{$pid}.jpg ";50             $filedir = sprintf($filedirtpl,$tid);51             $filename = sprintf($filenametpl,$tid,$pid);52             //文件是否存在53             if(!is_file($filename))54             {55                 $imageurl = sprintf($imageurltpl,$pid);56                 //下载图片57                 $imagebin = file_get_contents($imageurl);58                 //目录是否存在59                 if(!is_dir($filedir))60                     mkdir($filedir);61                 //保存图片62                 file_put_contents($filename,$imagebin);63                 $rnd = rand(2000,5000);64                 echo "Downloaded! ";65                 //延时休息66                 sleep(1.0*$rnd/1000);67                 echo "Sleep $rnd us 
\r\n";68             }69             else70                 echo "Existed! 
\r\n";71         }72     }73     //翻到下一页74     if (!$type) $pn += 50;75 }

运行测试：

程序基本上可以满足要求，但是长时间抓取图片时，百度会弹出验证码，此时使用猫重新拨号即可更换IP继续抓取图片。

（仅供学习参考，请勿用来做非法的事情。）