|
火车头采集：如何下载文章里面的图片 很多客户会采集文字信息，但是就是不会下载图片，现在我给大家说一下怎么下载图片。
比如我们要下载这篇文章的图片http://www./jingdian/sichuan/2009/0910/21770.html，首先采集到这篇文章的内容，  采集完内容之后我们开始处理图片的下载。
你如果直接点击下载图片肯定是不行的，因为采集器下载图片的格式必须是标准的这种<img src='参数'/>格式，其中参数表示完整的图片地址。
一般文章里面的图片都不是这种标准的格式，而且源代码里面的图片地址也不一定是完整的，比如上面这个例子，源代码里面图片的格式这样的<img height='345' alt='' width='600' border='0' src='..\..\..\uploads\090910\1_163419_1.jpg' />，所以我们要把这种不标准的格式替换成标准的图片格式，并且把源代码里面的图片地址补完整。  经过这个替换之后原来的图片的img格式就替换为采集器可以识别的标准格式了。
如果文章内容里面只有图片的部分地址，没有img格式，处理方法是一样的，比如上面的文章的图片地址可以从两个地址获取到，我们也可以从这个链接这里获取到，也可以这样内容替换，将这个<a target='_blank' href='..\..\..\uploads\参数\参数'>替换为<img src='http://www./jingdian/uploads/[参数1]/[参数2]'/>，不管怎么处理。最终采集的时候是标准的img格式就可以了。
|
