当php的`file_get_contents`函数无法从特定网站下载图片时，通常是因为服务器阻止了缺少`user-agent`等http头的请求。本文将详细介绍如何利用php的流上下文（`stream_context_create`）功能，为`file_get_contents`请求添加自定义http头，特别是`user-agent`，从而模拟浏览器行为，成功从受保护的网站下载图片，并提供简洁高效的代码实现与注意事项。
问题描述与原因分析
在PHP开发中，我们经常需要从远程URL下载文件，特别是图片。file_get_contents()函数通常是完成这项任务的首选工具，因为它使用简单。然而，开发者可能会遇到一个常见的问题：file_get_contents()对于大多数网站都能正常工作，但对于某些特定网站，它却无法成功下载图片，即使同一个URL在浏览器中直接访问或通过Python等其他语言的HTTP客户端（如requests库）访问时是完全正常的。
这种现象通常是由于目标网站的服务器配置了安全策略，拒绝处理那些缺少标准HTTP请求头的请求。许多网站会检查请求的User-Agent头，以识别请求来源是浏览器、搜索引擎爬虫还是其他客户端。PHP的file_get_contents()在默认情况下发送的User-Agent头可能为空、不标准或被服务器识别为非浏览器请求，从而导致请求被拒绝，返回空内容或错误。
解决方案：使用流上下文设置User-Agent
解决此问题的关键在于，让PHP的file_get_contents()函数在发送请求时包含一个合法的User-Agent头，模拟一个常规的浏览器请求。PHP提供了流上下文（Stream Context）机制，允许我们为file_get_contents()等流操作函数配置各种选项，包括HTTP请求头。
通过stream_context_create()函数，我们可以创建一个包含自定义HTTP头的上下文，然后将其作为参数传递给file_get_contents()。
立即学习“PHP免费学习笔记（深入）”；
核心步骤如下：
- 定义HTTP请求选项： 创建一个数组，指定http协议相关的选项。其中，header键用于设置自定义的HTTP头信息。
- 创建流上下文： 使用stream_context_create()函数，将上述选项数组作为参数，生成一个流上下文资源。
- 使用上下文获取内容： 将生成的上下文资源作为第三个参数传递给file_get_contents()函数。
代码实现
下面是两种实现方式，一种是简洁的单行代码，另一种是封装在函数中的完整示例。
简洁版示例
array(
'header' => "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124124 Safari/537.36\r\n"
)
);
// 创建流上下文
$context = stream_context_create($opts);
// 使用file_get_contents获取图片内容，并传入上下文
$image_content = file_get_contents($img_url, false, $context);
// 检查是否成功获取内容
if ($image_content !== false) {
// 将图片内容保存到本地文件
if (file_put_contents($image_fullpath, $image_content) !== false) {
echo "图片下载并保存成功: " . $image_fullpath;
} else {
echo "图片保存失败。";
}
} else {
echo "无法从URL获取图片内容，请检查URL或网络连接。";
}
?>封装为函数示例
为了提高代码的可重用性，我们可以将其封装成一个函数：
array(
'header' => "User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124124 Safari/537.36\r\n"
)
);
// 创建流上下文
$context = stream_context_create($opts);
// 获取图片内容
$image_content = @file_get_contents($img_url, false, $context);
if ($image_content === false) {
error_log("无法从URL获取图片内容: " . $img_url);
return false;
}
// 保存图片内容到文件
if (@file_put_contents($image_fullpath, $image_content) === false) {
error_log("无法保存图片到文件: " . $image_fullpath);
return false;
}
return $image_fullpath;
}
// 示例调用
$target_url = 'https://www.autoopt.ru/product_pictures/big/bcb/054511.jpg';
$save_directory = realpath(dirname(__FILE__)) . '/assets/upload_products/';
$downloaded_path = downloadImageWithUserAgent($target_url, $save_directory);
if ($downloaded_path) {
echo "图片已成功下载到: " . $downloaded_path;
} else {
echo "图片下载失败。";
}
?>注意事项与最佳实践
- User-Agent的选择： 选择一个常见且最新的浏览器User-Agent字符串。过于老旧或不常见的User-Agent仍可能被服务器拒绝。
- 错误处理： file_get_contents()和file_put_contents()在失败时会返回false。务必检查这些返回值，并根据需要进行错误日志记录或用户提示。在上述示例中，我们使用了@符号抑制了错误，并通过检查返回值来处理。在生产环境中，更推荐使用try-catch块或更详细的错误判断。
- 目录权限： 确保图片保存的目标目录存在且PHP进程具有写入权限。
-
超时设置： 对于远程请求，网络延迟可能导致请求长时间无响应。可以在http选项中设置timeout来控制请求的超时时间。
$opts = array( 'http' => array( 'header' => "User-Agent: MyAgent/1.0\r\n", 'timeout' => 10 // 10秒超时 ) ); -
其他HTTP头： 有些网站可能还会检查Referer、Accept等其他HTTP头。如果仅设置User-Agent仍无效，可以尝试添加其他相关头信息。
$opts = array( 'http' => array( 'header' => "User-Agent: MyAgent/1.0\r\n" . "Referer: https://www.example.com/\r\n" . "Accept: image/webp,image/apng,image/*,*/*;q=0.8\r\n" ) ); -
CURL方式的等效设置： 如果你更倾向于使用cURL库进行更复杂的HTTP请求，可以通过CURLOPT_USERAGENT选项来设置User-Agent。
$ch = curl_init($img_url); curl_setopt($ch, CURLOPT_RETURNTRANSFER, true); curl_setopt($ch, CURLOPT_USERAGENT, 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124124 Safari/537.36'); // ... 其他cURL选项 $image_content = curl_exec($ch); curl_close($ch);
- 法律与道德考量： 在抓取任何网站内容之前，请务必阅读该网站的服务条款（ToS）和robots.txt文件。未经授权的抓取行为可能违反法律或网站规定。
总结
通过利用PHP的流上下文（stream_context_create）功能，并为file_get_contents请求添加一个标准的User-Agent HTTP头，可以有效解决PHP从特定网站下载图片失败的问题。这种方法简单高效，适用于大多数需要模拟浏览器行为的场景。在实际应用中，结合适当的错误处理、目录权限管理和对网站规则的尊重，能够确保文件下载功能的健壮性和合规性。
