利用Javascript快速保存当前网页中的所有图片

最新推荐文章于 2023-03-08 23:03:17 发布

原创最新推荐文章于 2023-03-08 23:03:17 发布 · 5.7k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#javascript #xmlhttprequest #脚本 #正则表达式 #null #url

Windows Script 专栏收录该内容

9 篇文章

订阅专栏

介绍了一个使用JavaScript编写的脚本，该脚本能自动保存当前网页中的所有图片到指定文件夹，涉及网页内容读取、字符集处理、图片URL解析及图片下载保存等内容。

利用Javascript快速保存当前网页中的所有图片

工作中，我经常会用到Windows Script, 因此在我的Blog上有这个专栏，把平时学到看到的记录下来，但是我自己一直没有发表过真正有用的脚本，工作中的那些由于涉及到公司机密，不方便也不能在这里发表，一直觉得很遗憾。周末闲的无聊，上了很多网站浏览，看到好的图片，总想保存下来，但是使用浏览器自带的保存功能时，觉的非常麻烦。如果有能够自动保存当前网页中所有图片的小程序该多好，只需要按个快捷键，图片就自动保存到指定文件夹里了，还不干扰用户浏览。我当时用google搜索了一下，似乎这样的东西很少，如果选择安装一个重量级的软件又不值得，而且还可能有后门。俗话说，自己动手，丰衣足食，我萌生了写这个脚本的想法，也希望对大家能有所帮助。说了这么多废话，赶快开始吧。

先分析一下我们可能面临的问题：

1）如何将当前网页的地址传递给脚本？

2）如何使用脚本读取网页的内容？

3）如何处理不同编码的网页？

4）如何从网页内容将所有的图片的URL解析出来？

5）如何读取图片？

6）如何保存图片到本地目录？

7) 补充说明

一、如何将当前网页的地址传递给脚本？

Windows Script有一个很好的功能就是能够模拟键盘操作，如果我们能够模拟键盘操作，将地址栏激活，然后把地址栏里的内容Copy到剪贴板里，再通过剪贴板获取该内容，不就实现我们的目的了吗？
Windows Script 读取剪贴板内容是通过借助Internet Explorer来完成的。大家可以参看MSDN：

http://www.microsoft.com/technet/scriptcenter/resources/qanda/dec04/hey1215.mspx

代码：

// ===============================================================================

// Function Name: GetUrl

// Description: 获取当前浏览器地址栏网页URL

// Parameter(s): 无

// Return: null 表示失败

// ===============================================================================

function GetUrl() {

var oIE;

var oShell;

var url;

try {

oShell=new ActiveXObject("WScript.Shell");

oShell.SendKeys("{F6}");//发送系统按键F6,激活浏览器地址栏,幸运的是FireFox等其他浏览器也支持此操作

oShell.SendKeys("^c"); //发送系统按键Ctrl+C，这个地球人都知道是做什么的

oIE = new ActiveXObject("InternetExplorer.Application"); // 创建 Internet Explorer application 对象.

oIE.navigate("about:blank"); // 创建空文本

oIE.left=50; // 弹出窗口位置

oIE.top = 100; // 弹出窗口位置

oIE.height = 150;

oIE.width = 450;

oIE.menubar = 0; // 不显示菜单

oIE.toolbar = 0; // 不显示工具栏

oIE.statusbar = 0; // 不显示状态栏

if (SILENT) {

oIE.Visible = false;

} else {

oIE.Visible = true; // 如果是非安静模式，将此窗口显示

}

while (oIE.Busy) {;} // 非常重要: 一直等待到oIE对象准备好.

obj = oIE.document.parentWindow.clipboardData;

url = oIE.document.parentWindow.clipboardData.getData("text"); //将地址栏的内容从剪贴板里取出来

if (!SILENT) {

//以下代码创建一个假的进度条,不是本程序的重点,关于如何创建一个真的进度条,我还没有想好,如有时间,可能会在以后的版本中更新,欢迎网友讨论。

oIE.document.write("<HTML> "+

"<HEAD> "+

"<TITLE></TITLE> "+

"<META HTTP-EQUIV="Content-Type" CONTENT="text/html; charset=gb2312"> "+

"</HEAD> "+

"<BODY BGCOLOR="#EAEAEA"> "+

"<form name=loading> "+

"<table border=0 cellpadding=0 cellspacing=0 width="100%" height="100%"> "+

"<tr> "+

"<TD align="center" valign="top"> "+

"<p><FONT color="000000" face="Arial"><BR> "+

"正在保存图片...</FONT></p> "+

"<p><input type=text name=chart size=46 style="font-family:Arial; font-weight:bolder; color:black; background-color:#EAEAEA; padding:0px; border-style:none;"> "+

"<br> "+

"<input type=text name=percent size=46 style="font-family:Arial; color:black; background-color:#EAEAEA;text-align:center; border-width:medium; border-style:none;"> "+

"<script>var bar = 0 "+

"var line = "||" "+

"var amount ="||" "+

"count(); "+

"function count(){ "+

"bar= bar+2 "+

"amount =amount + line "+

"document.loading.chart.value=amount "+

// "document.loading.percent.value=bar+"%" "+

"if (bar<99) "+

"{setTimeout("count()",200);} "+

"else "+

"{;} "+

"} "+

"</script></p></TD> "+

"</tr> "+

"</table> "+

"</FORM> "+

" "+

"</BODY> "+

"</HTML> "

);

oShell.AppActivate("Internet Explorer");

}

} catch (e){

WScript.Echo("出现异常: " + e+" " + "描述: " + e.description+" ");

}

if (SILENT) {

oIE.Quit();

}

//WScript.Echo(url);

return url;

}

我相信看完代码，大家应该非常清楚我们是如何将当前网页的网址获取得了。扯点远的，之所以我用javascript来写脚本，原因是我以前做过Java 程序员，对Java 风格的代码比较有感觉。网上脚本基本上是Vbscript，有一阵也很苦恼，呵呵，大家现在可能也有我的感觉了。

二、如何使用脚本读取网页的内容？

相信10个人有9个会想到Ajax，没错，我们就是用它来解决这个问题。
有兴趣的同志可以看看下面的文章：

http://www.ibm.com/developerworks/web/library/wa-ajaxintro2/

代码：

var oHTTP = false ;

try {

oHTTP = new XMLHttpRequest();

} catch (trymicrosoft) {

try {

oHTTP = new ActiveXObject("Msxml2.XMLHTTP");

} catch (othermicrosoft) {

try {

oHTTP = new ActiveXObject("Microsoft.XMLHTTP");

} catch (failed) {

oHTTP = false;

}

if ( ! oHTTP) {

WScript.Echo("初始化XMLHttpRequest对象出错!");

index = false;

}

oHTTP.open( " GET " , sSrcUrl, false );

oHTTP.send();

if (oHTTP.status != 200 ) {

WScript.Echo("未知状态: " + oHTTP.status + " 原因:"+ oHTTP.statusText);

index = false;

}

// WScript.Echo(oHTTP.responseBody);

// WScript.Echo(oHTTP.responseText);

// WScript.Echo(oHTTP.responseXML);

通过上面的代码，我们就把网页的内容取回来了。如果返回的是XML，可以使用oHTTP.responseXML，因为是网页，所以我们只能选择使用oHTTP.responseText，和oHTTP.responseBody。下面大家会看到我们其实分别使用了oHTTP.responseText，和oHTTP.responseBody 解决了不同的问题。

三、如何处理不同编码的网页？

要回答这个问题，首先需要获取当前网页正确的字符集。

代码：

// ===============================================================================

// Function Name: CharSetDetector

// Description: 根据HTML网页内容判断该网页使用的字符集

// Parameter(s): oText HTML网页内容

// Return: 使用的字符集

// ===============================================================================

function CharSetDetector(oText) {

var charset;

//自动判断编码开始

var charSets = oText.match(/charset=(S+)"/i);

if (charSets != null){

charset = charSets[1];

}else{

charset = "UTF-8" //缺省采用UTF-8编码

}

//自动判断编码结束

return charset;

}

通过代码大家可以了解到，使用一个很简单的正则表达式，我们很容易就把当前网页的字符集解析出来了。如果大家对正则表达式不了解，可以看看我blog里的相关文章：http://www.the3gwireless.com

大家可能要问，为什么要获得正确的字符集呢？

大家可以用以下代码输出一下网页内容：

WScript.Echo(oHTTP.responseText);

如果该网页是UTF8编码，而你的机器是简体中文系统，那么可能在终端上看到的是包括乱码的网页。那么如何得到正确编码的网页内容呢？答案是使用oHTTP.responseBody。足够幸运的是，我们已经通过oHTTP.responseText得到了正确的字符集，因为英文字符是不会出现乱码的。

代码：

// ===============================================================================

// Function Name: BytesToBSTR

// Description: 将Raw数据根据制定字符集编码后返回正确的HTML网页内容

// Parameter(s): body 二进制数据，charset 字符集

// Return: null 编码后的HTML网页内容

// ===============================================================================

function BytesToBSTR(body,charset) {

var objstream;

objstream = new ActiveXObject("adodb.stream");

objstream.Type = 1;

objstream.Mode = 3;

objstream.Open();

objstream.Write(body);

objstream.Position = 0;

objstream.Type = 2;

objstream.Charset = charset;

var bytesToBSTR = objstream.Readtext;

objstream.Close;

return(bytesToBSTR);

}

一切都这么简单，通过借助adodb.stream对象，我们可以很容易得到正确编码后的网页内容。

关于ADODB.STREAM对象，大家可以参考这里：

http://www.devguru.com/Technologies/ado/quickref/stream.html

四、如何从网页内容将所有的图片的URL解析出来？

答案还是正则表达式，如果是XML，我们会考虑使用XMLDOM对象，但这里我们需要处理的是HTML内容。

代码：

var sUrls = sSrcUrl.match( / (http: / / . *? / ) / i);

var sUrl; // 将网站的URL解析出来，以后使用

if (sUrls != null ) {

sUrl = sUrls[1];

} else {

sUrl = sSrcUrl;

}

var imagesArray = oText.match( /< img . *?>/ ig); // 使用正则表达式将<img .*?>选中

if (imagesArray != null ) {

for (i=0;i<imagesArray.length;i++){

imagesArray[i] = imagesArray[i].substring(imagesArray[i].indexOf("src=")+4,imagesArray[i].length-1);

var tmp = imagesArray[i].indexOf(" ");

if (tmp >0) {

imagesArray[i] = imagesArray[i].substring(0,tmp);

}

//WScript.Echo(imagesArray[i]);

imagesArray[i] = imagesArray[i].replace(/"/g,"");

imagesArray[i] = imagesArray[i].replace(/'/g,"");

//以下开始整理图片的路径，这里考虑到了相对路径和绝对路径等各种情况，很可能还不完全，网友可以自己补充

if (imagesArray[i].indexOf("http://")==0){

//标准的路径，什么也不做

}else{

if (imagesArray[i].indexOf("../")==0){

if (sUrl.charAt(sUrl.length-1)=="/"){

imagesArray[i].replace("../",sUrl);

}else {

imagesArray[i].replace("..",sUrl);

}

}else {

if (sUrl.charAt(sUrl.length-1)=="/"){

if (imagesArray[i].charAt(0)!="/"){

imagesArray[i] = sUrl+imagesArray[i];

} else {

imagesArray[i] = sUrl + imagesArray[i].substring(1);

}

else {

if (imagesArray[i].charAt(0)!="/"){

imagesArray[i] = sUrl+"/"+imagesArray[i];

} else {

imagesArray[i] = sUrl + imagesArray[i];

}

}//整理图片路径结束

}

现在，我们终于得到了我们想要得到的图片URL数组了。

注：本文只针对静态图片“<img .*?>”这种模式作了处理，但是我们知道，很多图片网站是使用各种各样的方法来显示图片的。需要对这些网站返回的网页数据进行分析后，才能写出适合这些网站的图片抓取脚本。那么，可不可能写出一个通用的图片抓取脚本呢？答案应该是肯定的，我现在考虑可以让脚本去访问当前网页上所有的对象，然后根据返回的MIME类型判断该对象是否为图片，如果是，则保存到本地文件夹里。有时间我会把这一功能实现，也欢迎大家发表意见。

五、如何读取图片？

跟读取网页的代码相同，不过这次我们只需要直接使用oHTTP.responseBody二进制数据

代码：