README

网页图片抓取 SDK —— 输入网页链接，返回图片链接数组。

u2p = URL to Pictures。一个轻量、零外部依赖、可扩展的 PHP 图片抓取库，内置微信公众号文章等专项抓取，支持 ajax 接口与网页源码两种图片加载方式。

特性

• 输入链接，输出图片数组 —— 极简的 get($url) API
• 专项攻克 —— 内置微信公众号文章抓取，精准提取正文图片、过滤头像/二维码/表情
• 通用兜底 —— 任意网页自动解析 <img>，支持懒加载、相对路径、编码识别
• 可扩展 —— 实现一个 HandlerInterface 即可支持新网站（含 ajax 接口型）
• 零外部依赖 —— 仅依赖 PHP 内置扩展（curl / dom / mbstring）
• PHP 7.4+，同时兼容 8.x

环境要求

• PHP >= 7.4
• ext-curl
• ext-dom
• ext-mbstring

安装

composer require zyan/u2p

快速开始

use Zyan\U2P\U2P;

$u2p = new U2P();

// 输入网页链接，返回图片链接数组
$images = $u2p->get('https://mp.weixin.qq.com/s/-iRttNYNtn4z4qGGQ_fbvw');

print_r($images);
// [
//     'https://mmbiz.qpic.cn/.../640?wx_fmt=png&from=appmsg',
//     'https://mmbiz.qpic.cn/.../640?wx_fmt=png&from=appmsg&...',
//     ...
// ]

SDK 会根据 URL 自动匹配处理器：公众号链接走专项抓取，其它链接回退到通用抓取。

使用示例

1. 自动识别网站类型

$images = (new U2P())->get('https://mp.weixin.qq.com/s/xxxx');

2. 微信公众号文章 —— 含封面图

默认只返回正文图片，withCover() 会把封面图置于结果首位：

use Zyan\U2P\Handlers\WeChatHandler;

$handler = new WeChatHandler();
$images  = $handler->withCover()->handle('https://mp.weixin.qq.com/s/xxxx');

echo '封面图: ' . $images[0];

3. 通用网页抓取

适用于任意网站，解析页面源码 <img>，优先取懒加载地址，自动解析相对路径，过滤 base64：

use Zyan\U2P\Handlers\GenericHandler;

$generic = new GenericHandler();
$images  = $generic->handle('https://example.com/article');

4. 自定义处理器

为新的网站编写专项处理器（尤其适合 ajax 接口加载图片的网站）：

use Zyan\U2P\AbstractHandler;

class ZhihuHandler extends AbstractHandler
{
    public function supports(string $url): bool
    {
        return (bool) preg_match('#https?://www\.zhihu\.com/#i', $url);
    }

    public function handle(string $url): array
    {
        // 源码型：解析页面 HTML
        $html = $this->fetch($url);
        // ... 用 $this->loadDom($html) 解析

        // ajax 型：抓接口 JSON 再解析
        // $json = $this->fetch('https://www.zhihu.com/api/v4/...');

        return $images;
    }
}

$u2p = new U2P();
$u2p->registerHandler(new ZhihuHandler()); // 注册后优先匹配

$images = $u2p->get('https://www.zhihu.com/question/123456');

完整可运行示例见 docs/test.php，执行 php docs/test.php 即可查看效果。

API 文档

U2P —— 入口管理器

WeChatHandler —— 公众号文章专项

正文图片识别规则：

• 懒加载地址取自 data-src（优先），回退 data-original / data-lazy-src / src
• 图床域名 mmbiz.qpic.cn，URL 含 from=appmsg
• class 含 rich_pages / wxw-img 视为正文
• 排除头像、二维码、表情等非正文图片

GenericHandler —— 通用兜底

AbstractHandler —— 处理器基类

自定义处理器继承此类，可直接使用以下能力：

HttpClient —— HTTP 客户端

进阶用法

自定义 HTTP 客户端（代理 / 超时 / Cookie）

use Zyan\U2P\HttpClient;
use Zyan\U2P\U2P;

$client = new HttpClient(
    ['User-Agent' => 'MyBot/1.0', 'Cookie' => 'session=xxx'],
    [CURLOPT_TIMEOUT => 60, CURLOPT_PROXY => 'http://127.0.0.1:7890']
);

$u2p = new U2P($client);
$images = $u2p->get('https://mp.weixin.qq.com/s/xxxx');

单独使用解析方法（不发起请求）

已有 HTML 内容时，可跳过 HTTP 直接解析：

use Zyan\U2P\Handlers\WeChatHandler;

$handler = new WeChatHandler();
// 从已有 HTML 提取，不抓取网络
$images = $handler->extractContentImages($htmlString);

架构

U2P（入口管理器）
  ├── 注册的专项 Handler（按顺序匹配）
  │     └── WeChatHandler   微信公众号文章
  └── Fallback Handler（兜底）
        └── GenericHandler   任意网页

所有 Handler 实现 HandlerInterface：

interface HandlerInterface
{
    public function supports(string $url): bool; // 是否支持该链接
    public function handle(string $url): array;  // 返回图片链接数组
}

目录结构

src/
├── U2P.php                      # 入口管理器
├── HandlerInterface.php         # 处理器接口
├── AbstractHandler.php          # 处理器基类
├── HttpClient.php               # cURL 客户端
└── Handlers/
    ├── WeChatHandler.php        # 微信公众号文章专项
    └── GenericHandler.php       # 通用兜底
tests/
├── WeChatHandlerTest.php        # 单元测试
└── fixtures/wechat.html         # 测试用的公众号 HTML 样本
docs/
└── test.php                     # 可运行示例

测试

composer install
vendor/bin/phpunit

贡献

欢迎提交 Issue 和 PR！

新增网站专项处理器时，请：

1. 在 src/Handlers/ 下创建 XxxHandler.php，继承 AbstractHandler
2. 实现 supports() 与 handle()
3. 在 tests/ 添加测试用例与 fixture
4. 确保所有测试通过：vendor/bin/phpunit

License

MIT License