使用 Curl get_info 获取 HTML 文件中图像的内容类型

Question

我正在使用带有简单 HTML DOM 的 Curl，如下所示：

$url = $_GET['url'];
$ch = curl_init($url);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, 1);
...
...
$html = new simple_html_dom();
$html->load($curl_scraped_page, true, false);

foreach($html->find('img') as $a) {
    echo $a;
}

这将回显图像。所以现在我正在尝试获取 image/jpeg 的内容类型，所以我尝试了：

$type = (curl_getinfo($a, content_type));
echo $type;

还有：

  echo curl_getinfo($a, content_type);

我什么也没收到（空白屏幕）。如何在每个元素上使用get_info？

Answer 1

首先，要从获取文档中获取内容类型，请使用常量CURLINFO_CONTENT_TYPE。

$type = curl_getinfo($ch, CURLINFO_CONTENT_TYPE);
echo $type;

其次，您只获取了 HTML 而不是图像。说 $a 输出图像是错误。你输出 HTML <img src="">。如果您在浏览器中执行此操作，您会看到图像，但这只是因为浏览器在客户端获取这些图像。

获取内容类型的最简单方法是使用检查文件扩展名。

$ext = pathinfo($a['src'], PATHINFO_EXTENSION);

如果您确实需要使用文件扩展名，则必须进行额外的 curl 调用。最好使用 curl_multi 并行执行这些操作。

$mh = curl_multi_init();

foreach($html->find('img') as $a) {
    $src = $a['src']; // You probably need to rewrite relative URL to absolute URLs
    $ch = curl_init($src);
    $ch = curl_set_opt($ch, CURLOPT_CUSTOMREQUEST, "HEAD");
    curl_multi_add_handle($mh, $ch);
    $handles[] = $ch;
}

$running = null;
do {
    curl_multi_exec($mh, $running);
} while ($running);

foreach ($handles as $ch) {
    $src = curl_getinfo($ch, CURLINFO_EFFECTIVE_URL);
    $type = curl_getinfo($ch, CURLINFO_CONTENT_TYPE);
    $image_types[$src] = $type;
}

代码未经测试

请注意，接收到的内容类型永远不能完全信任，也不应该用于安全措施。如果您想确定，请下载所有图像（GET 请求而不是 HEAD 请求）并使用fileinfo extension。