
php5.6 ライブラリ Goutte 説明:コマンドラインから巨人ぐーぐるさんの画像検索に検索内容を投げHTMLを抽出後、 HTML解析を行い画像リンクだけを抽出するものです。コメントを外しダウンロードディレクトリを 作成すればダウンロードが可能ですが、あくまでもローカルで動かす事を前提としています。 尚、機械学習の為に画像収集するには少し数が少ないですね・・・(水増し)orz。 リンクはこちらライブラリはググってインストールして下さい。 おそらくレンタルサーバーなら大体、標準がPHP5.6だと思います。 PHP7とかで動いている場合もあるだろうけれど・・・。 ライブラリはバージョン2系を自分はインストールして作成しました。
<?php date_default_timezone_set('Asia/Tokyo'); include '/composer/vendor/autoload.php'; use Goutte\Client; $p=count($argv)>=2?$argv[1]:"cat"; $client = new Client(); $client->setHeader('User-Agent', 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'); $crawler = $client->request('GET',"https://www.google.co.jp/search?hl=fr&tbm=isch&source=hp&biw=1920&bih=959&q={$p}&oq={$p}&gws_rd=cr&dcr=0");//'https://www.google.com/search?hl=fr&tbm=isch&source=hp&biw=1920&bih=959&q='.$p.'&oq='.$p); $img = $crawler->filter('div.rg_bx.rg_di.rg_el.ivg-i')->each(function($element){ if(preg_match("/\"ou\":\".*\"\,\"ow\"/",$element->text(),$link)){ $url = str_replace(array('"ou":"','","ow"'), "",$link[0]); $ext = pathinfo($url, PATHINFO_EXTENSION); $name = pathinfo($url,PATHINFO_FILENAME); echo $url."\n"; if(preg_match('/((jpg)|(jpge)|(png)).*/',$ext)){ //$data = file_get_contents($url); //file_put_contents('./download/dl_'.$name.".".$ext,$data); //echo '<img src="'.'./download/dl_'.$name.".".$ext."\">\n"; } } });こちらがYahoo版ですが、あまり抽出出来てません。
<?php date_default_timezone_set('Asia/Tokyo'); include '/composer/vendor/autoload.php'; use Goutte\Client; $p=count($argv)>=2?$argv[1]:"cat"; $client = new Client(); //$client->setHeader('User-Agent', 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/63.0.3239.132 Safari/537.36'); $crawler = $client->request('GET','https://search.yahoo.co.jp/image/search?p='.$p.'&rkf=1&oq=inu&ei=UTF-8&imc=&ctype=&dim=large'); $img = $crawler->filter('.gridmodule .SeR .tb a')->each(function($element){ if(!preg_match("/.*search\.yahoo\.co\.jp/",$element->attr('href'),$link)){ $url = $element->attr('href'); $ext = pathinfo($url, PATHINFO_EXTENSION); $name = pathinfo($url,PATHINFO_FILENAME); echo $url."\n"; if(preg_match('/((jpg)|(jpge)|(png))$/',$ext)){ //$data = file_get_contents($url); //file_put_contents('./download/dl_'.$name.".".$ext,$data); //echo '<img src="'.'./download/dl_'.$name.".".$ext."\">\n"; } } });