extract

#!/usr/bin/php
<?php
// Verifica se a URL foi passada como parâmetro
if ($argc < 2) {
    echo "Uso: php " . $argv[0] . " <URL>\n";
    exit(1);
}

$url = $argv[1];

// Obtém o conteúdo HTML da página
$html = file_get_contents($url);
if ($html === false) {
    echo "Erro ao acessar a URL: $url\n";
    exit(1);
}

// Configura o DOM para tratar erros de HTML mal formatado
libxml_use_internal_errors(true);
$dom = new DOMDocument();
$dom->loadHTML($html);
libxml_clear_errors();

// Busca todas as tags <img> da página
$images = $dom->getElementsByTagName('img');

if ($images->length == 0) {
    echo "Nenhuma imagem encontrada na página.\n";
    exit(0);
}

echo "Encontradas " . $images->length . " imagens.\n";

// Percorre todas as imagens encontradas
foreach ($images as $img) {
    $src = $img->getAttribute('src');
    if (!$src) {
        continue;
    }
    
    // Converte URLs relativas para absolutas
    $img_url = resolveUrl($url, $src);
    echo "Baixando: $img_url\n";
    
    // Faz o download do conteúdo da imagem
    $img_data = file_get_contents($img_url);
    if ($img_data === false) {
        echo "Falha ao baixar: $img_url\n";
        continue;
    }
    
    // Define o nome do arquivo com base na URL (usando basename)
    $parts = parse_url($img_url);
    if (isset($parts['path'])) {
        $filename = basename($parts['path']);
        if (empty($filename)) {
            $filename = uniqid('img_') . '.jpg';
        }
    } else {
        $filename = uniqid('img_') . '.jpg';
    }
    
    // Evita sobrescrever arquivos com o mesmo nome
    $counter = 1;
    $original_filename = $filename;
    while (file_exists($filename)) {
        $filename = $counter . "_" . $original_filename;
        $counter++;
    }
    
    // Salva o arquivo localmente
    file_put_contents($filename, $img_data);
    echo "Salvo: $filename\n";
}

echo "Download concluído.\n";

/**
 * Função para converter uma URL relativa em absoluta, com base na URL base.
 *
 * @param string $base A URL base da página.
 * @param string $rel A URL relativa encontrada no HTML.
 * @return string URL absoluta.
 */
function resolveUrl($base, $rel) {
    // Se $rel já for uma URL absoluta, retorna como está.
    if (parse_url($rel, PHP_URL_SCHEME) != '') {
        return $rel;
    }
    
    // Se a URL for protocol-relative (ex.: //exemplo.com/img.jpg)
    if (substr($rel, 0, 2) == '//') {
        $base_scheme = parse_url($base, PHP_URL_SCHEME);
        return $base_scheme . ':' . $rel;
    }
    
    // Se for apenas um fragmento ou query, anexa à URL base
    if ($rel[0] == '#' || $rel[0] == '?') {
        return $base . $rel;
    }
    
    // Extrai os componentes da URL base
    $base_parts = parse_url($base);
    $base_scheme = isset($base_parts['scheme']) ? $base_parts['scheme'] : '';
    $base_host   = isset($base_parts['host']) ? $base_parts['host'] : '';
    $base_port   = isset($base_parts['port']) ? ':' . $base_parts['port'] : '';
    $base_path   = isset($base_parts['path']) ? $base_parts['path'] : '';
    
    // Remove o arquivo (se houver) do caminho
    $base_path = preg_replace('#/[^/]*$#', '', $base_path);
    
    // Se $rel iniciar com "/", é relativo à raiz
    if ($rel[0] == '/') {
        $path = $rel;
    } else {
        $path = $base_path . '/' . $rel;
    }
    
    // Normaliza o caminho (remove "../" e "./")
    $segments = explode('/', $path);
    $resolved = array();
    foreach ($segments as $segment) {
        if ($segment === '' || $segment === '.') {
            continue;
        }
        if ($segment === '..') {
            array_pop($resolved);
        } else {
            $resolved[] = $segment;
        }
    }
    $resolved_path = '/' . implode('/', $resolved);
    
    return $base_scheme . '://' . $base_host . $base_port . $resolved_path;
}