Парсинг изображений товаров для наполнения 1С-Битрикс

Парсинг изображений товаров для наполнения 1С-Битрикс

Каталог без изображений не продаёт. Загрузка фото вручную для 3000+ SKU занимает недели. Парсинг изображений с сайтов производителей или поставщиков закрывает задачу за 1–3 дня — если правильно обработать скачивание, проверку качества и привязку к элементам инфоблока.

Как Битрикс хранит изображения товаров

Изображения хранятся в таблице b_file, физически — в /upload/iblock/. Элемент инфоблока связывается с изображением через поля:

• PREVIEW_PICTURE — превью для листинга (ID записи в b_file)
• DETAIL_PICTURE — основное фото для карточки
• Свойство типа F (файл) или G (галерея) — для дополнительных изображений

Для галереи используется свойство типа F с флагом MULTIPLE = Y. Стандартный компонент bitrix:catalog.element берёт изображения из этого свойства.

Скачивание и сохранение изображений

Шаг 1: скачать файл

$imageData = file_get_contents($imageUrl);
// или через Guzzle с таймаутом и retry

Шаг 2: сохранить через CFile::MakeFileArray()

$tmpFile = tempnam(sys_get_temp_dir(), 'img_');
file_put_contents($tmpFile, $imageData);
$fileArray = CFile::MakeFileArray($tmpFile);
$fileArray['name'] = $filename;
$fileId = CFile::SaveFile($fileArray, 'iblock');

Шаг 3: привязать к элементу

CIBlockElement::SetPropertyValuesEx($elementId, $iblockId, [
    'MORE_PHOTO' => ['n0' => ['VALUE' => $fileId]]
]);

Для нескольких изображений используем индексы n0, n1, n2 и т.д.

Проблемы при скачивании изображений

Права на изображения — юридически необходимо убедиться в праве использования фото. Изображения производителя, как правило, можно использовать для продажи его товаров — но уточняйте условия.

Защита от хотлинкинга — сайты-источники могут проверять Referer. Передаём корректный заголовок:

$client->get($url, ['headers' => ['Referer' => 'https://source-site.com']]);

Качество изображений — не все найденные фото пригодны. Проверяем минимальный размер перед сохранением:

$imageInfo = getimagesizefromstring($imageData);
if ($imageInfo[0] < 300 || $imageInfo[1] < 300) continue; // пропускаем мелкие

Дубликаты — один и тот же URL на разных страницах. Кешируем уже скачанные URL → file_id в памяти или таблице.

Извлечение URL изображений с источника

Для одного главного фото:

$src = $crawler->filter('.product-image img')->attr('src');

Для галереи — часто изображения в data-атрибутах:

$crawler->filter('[data-image]')->each(function($node) use (&$urls) {
    $urls[] = $node->attr('data-image');
});

Иногда массив изображений сидит в JS: productImages: ["url1", "url2"] — парсим regex'ом или через JSON-LD.

Обработка уже существующих изображений

Не затираем фото, загруженные вручную или из 1С. Логика:

1. Проверяем PREVIEW_PICTURE — если 0 или пустой, добавляем
2. Для галереи — добавляем только если свойство MORE_PHOTO пустое
3. Помечаем парсинговые фото меткой в имени файла (parsed_ prefix) для последующей идентификации

Таймлайн работ

Итого: 3–5 рабочих дней. При большом каталоге (10 000+ изображений) добавьте 1–2 дня на оптимизацию скорости скачивания (параллельные воркеры).