php - 如何改进图像抓取(使用 PHP 和 JS)以模仿 Facebook 预览器

Question

我在 PHP+JS 中开发了一个图像抓取机制，它允许用户共享 URL 并获得呈现的预览(非常类似于共享链接时 Facebook 的预览器)。然而，整个过程有时会变慢或有时会获取错误的图像，所以总的来说，我想知道如何改进它，尤其是它的速度和准确性。诸如更快地解析 DOM 或更快地获取图像大小之类的东西。这是我正在使用的过程，对于那些想了解更多信息的人:

一个。使用 PHP 获取页面的 HTML(我实际上使用了 CakePHP's classes 之一，它又使用 fwrite 和 fread 来获取 HTML。我想知道 cURL 是否会是明显更好)。

B.使用 DOMDocument 解析 HTML获取 img 标签，同时过滤掉任何不是 png、jpg 或 gif 的“图像”(您知道，有时人们会在 img 标签内放置跟踪脚本)。

$DOM = new DOMDocument();  
@$DOM->loadHTML($html); //$html here is a string returned from step A  
$images = $DOM->getElementsByTagName('img');  
$imagesSRCs = array();  
foreach ($images as $image) {  
    $src = trim($image->getAttribute('src'));  
    if (!preg_match('/\.(jpeg|jpg|png|gif)/', $src)) {  
        continue;  
    }  
    $src = urldecode($src);  
    $src = url_to_absolute($url, $src); //custom function; $url is the link shared  
    $imagesSRCs[] = $src;  
}  
$imagesSRCs = array_unique($imagesSRCs); // eliminates copies of a same image

C.将包含所有这些图像标签的数组发送到使用 Javascript(特别是 JQuery)处理的页面。此处理主要包括丢弃小于 80 像素的图像(因此我不会得到空白 gif、数百个小图标等)。因为它必须计算每个图像的大小，所以我决定使用 JS 而不是 PHP 的 getimagesize()，因为它非常慢。因此，当浏览器加载图像时，它会执行以下操作:

$('.fetchedThumb').load(function() {  
    $smallestDim = Math.min(this.width, this.height);  
    if ($smallestDim < 80) {  
        $(this).parent().parent().remove(); //removes container divs and below  
    }  
});

Answer 1

与其像这样下载内容，不如创建一个使用 wkhtmltoimage 或 PhantomJS 之类的服务器端组件来呈现页面图像，然后将图像缩小到预览大小。