如何检查网站，其他网站上的图像文件是否已更改，然后将其存储为旧版本？
我正在使用它来记录服务器上的图像。
答案 0 :(得分：1)
这只是最简单方法的快速草图。如果您想了解更多细节，请在评论中提问。
下载图像，为其计算哈希并将图像存储在文件系统中，并将图像ID +哈希+文件系统路径（以及可能的其他信息，如请求时间）存储在数据库中。
< / LI>检查更新时，从数据库中获取相同ID的最后可用信息，如果哈希值不相同，则图像不会更新。如果您使用加密哈希（如MD5或SHA1）并更改哈希，则几乎可以肯定图像也已更改。
设置cronjob以定期运行脚本。
要下载图片，您可以使用$img = file_get_contents($url);。 MD5可以通过$hash = md5($img);计算，SHA1通过$hash = sha1($img);计算。用于存储使用file_put_contents($path, $img);。
有几种方法可以优化这项工作。
要减少内存消耗，请使用file_put_contents($path, $url);将文件直接下载到文件系统，然后才能使用$hash = md5_file($path);或$sha1_file($path);计算哈希值。这对于较大的图像更好。不好的是你必须再次从文件系统中读取数据来计算哈希值，所以我认为它会更慢。
旁注：在您知道它确实使代码更好之前，切勿优化任何内容。始终在之前，之后和之后进行测量。
如果服务器发送可靠的缓存标头，则可以进行另一项优化以保存来自远程服务器的数据传输。 ETag是最好的，因为它应该基于文件的内容。如果它没有改变，文件应该是相同的。如果您只想检查标题，请使用$headers = get_headers($url, 1);。要真正获取标题，您应该通过HEAD方法而不是GET发出HTTP请求。查看get_headers()手册以获取更多信息。要在获取回复正文时检查标题，请使用file_get_contents()和$http_response_header特殊变量。
发出表示您在上次访问时缓存图像的请求（通过If-Modified-Since等）可以达到同样的目的。
请勿滥用远程服务器。请记住，它的所有者有保持其运行的费用，并且绝对不希望让它被脚本占用超过可忽略的时间，传输的数据不多。使您的轮询周期适应目标服务器类型和图像大小。使其适应估计的变化频率也不是一个坏主意。
在存储副本时，请务必征得形象权利人的同意。许可可能是一件混乱的事情。小心，否则你可能会遇到麻烦。
如果您计划以某种方式抓取图片，robots.txt标准可能是您感兴趣的。这个文件可以告诉你，你不受欢迎，你应该尊重它。
有些相关更多，更少相关。人们想要主要观看HTML页面。这还有其他细节，这也是我没有将这个问题标记为其中一个问题的原因。