php 抓取网页生成图片(牢骚发完了，正式写博客吧(PHP生成word原理))

　　php 抓取网页生成图片(牢骚发完了，正式写博客吧(PHP生成word原理))

　　概括：

　　最近在工作中遇到了生词问题

　　现在总结一下生成词的三种方法。

　　btw：好像在博客园里发个博客，只要标题有PHP，好像点击量不是很高（兄弟，我标题还是有PHP的）。我不知道为什么。估计博客园里的网络技术专家比较多。把Java、.net、php比作程序员的闺蜜，那么java就是甲骨文下最好的姑娘，.net微软下的名门世家，PHP就是草根下的野蛮大妈。这让我很期待 PHP 的草根男士这么骚。怎么可能。. 委屈完了，正式写博客

　　PHP为正文生成word的原理是通过windows下的com组件使用PHP将内容写入doc文件中实现的：

　　原理：com是PHP的扩展。安装了office的服务器会自动调用word.application的com，可以自动生成文档。PHP 官方文档手册：

　　使用官方示例：

　　个人建议：com实例后面的方法需要查一下官方文档才知道是什么意思。编辑器没有代码提示，非常不方便。另外这个效率不是很高，所以不推荐使用

　　使用 PHP 将内容写入 doc 文件。这种方法可以分为两种方法生成mht格式（类似HTML）并写入word

　　这种方法主要是指：

　　/**

* 根据HTML代码获取word文档内容

* 创建一个本质为mht的文档，该函数会分析文件内容并从远程下载页面中的图片资源

* 该函数依赖于类MhtFileMaker

* 该函数会分析img标签，提取src的属性值。但是，src的属性值必须被引号包围，否则不能提取

*

* @param string $content HTML内容

* @param string $absolutePath 网页的绝对路径。如果HTML内容里的图片路径为相对路径，那么就需要填写这个参数，来让该函数自动填补成绝对路径。这个参数最后需要以/结束

* @param bool $isEraseLink 是否去掉HTML内容中的链接

*/

function getWordDocument( $content , $absolutePath = "" , $isEraseLink = true )

{

$mht = new MhtFileMaker();

if ($isEraseLink)

$content = preg_replace('/(\s*.*?\s*)/i' , '$1' , $content); //去掉链接

$images = array();

$files = array();

$matches = array();

//这个算法要求src后的属性值必须使用引号括起来

if ( preg_match_all('/GetMimeType("tmp.html"),$content);

for ( $i=0;$iAddContents($files[$i],$mht->GetMimeType($image),$imgcontent);

}

else

{

echo "file:".$image." not exist!<br />";

}

}

return $mht->GetFile();

}

　　这个函数的主要作用其实就是分析HTML代码中的所有图片地址，依次下载。获取到图片内容后，调用MhtFileMaker类将图片添加到mht文件中。具体的添加细节封装在 MhtFileMaker 类中。

　　url= http://www.***.com;

$content = file_get_contents($url);

$fileContent = getWordDocument($content,"http://www.yoursite.com/Music/etc/");

$fp = fopen("test.doc", 'w');

fwrite($fp, $fileContent);

fclose($fp);

　　其中$content变量应该是HTML源代码，下面的链接应该是可以在HTML代码中填写图片相对路径的URL地址

　　header("缓存控制：无缓存，必须重新验证");

　　header("Pragma: no-cache");

　　$wordStr ='PHP淮北个人网站';

　　$fileContent = getWordDocument($wordStr);

　　$fileName = iconv("utf-8", "GBK",'PHP淮北'.'_'.$intro.'_'.rand(100, 999));

　　header("内容类型：应用程序/文档");

　　header("Content-Disposition: 附件;文件名=".$fileName.".doc");

　　回声 $fileContent;

　　注意在使用这个函数之前，需要收录类MhtFileMaker，它可以帮助我们生成Mht文件。

　　点评：这种方式的缺点是不支持批量生成和下载，因为一个页面只能有一个header（无论是远程使用还是本地生成的statement header页面都只能输出一个header），即使你循环生成，结果还是只有一个字Generate（当然可以修改上面的方式来实现）

　　2.纯HTML格式写字

　　原则：

　　使用ob_start先存储html页面（解决页面多个header的问题，可以批量生成），然后在写入doc文档的内容时使用

　　代码：

<p>