捌玖网络工作室 » ASP,PHP,CGI,JSP技术 » Html源文件中image标签的析取

admin 发表于 2008-1-19 23:31

Html源文件中image标签的析取

今天介绍一种从指定网页源文件中析取image标签的的编程技巧，即从网页源文件中，解析出所有的插图文件名（包括图片路径）,也就是标签＜img src=".../... /abc.jpg"＞ 中的文件名".../.../abc.jpg"(有的可能是gif格式)。编程环境：PHP+Apache for Win98。  
S/l*Lxmx4R
!Q6Bd-tfWN{v{ 　　首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下： T#Y&`BE%e:Cm

fY3jid'}T
W!n&z-o7U0m ＜form action=" abstractSRCfrompage.php3" method="post"＞*^)Y"U,I9N
　　输入网址＜input type=text name=filename＞＜br＞
F3x4A(}$]O&B:?$QvAe(W` 　　＜input type=submit name=submit value="提交"＞+R9`Xttk$v9O
＜/form＞ |}0^ XrKo
0Tu
go#p"Dv
M9] z0k?+W[
　　输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：Gygy l%c

E{-U!avPJ1r R`I!j z1a
＜?php
@yf {M'|_ if ($filename!=""){y\nLfd0_%? f E
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
#LN`l ?HJL Y while ($buffer = fgets($fp, 1024)) {
(kgJtt9Iyz q $source .=$buffer; }
Z {;w
@X fclose($fp);
e'K~"y}Sc file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
bBI`3f.t3] if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {%@~qF%K4J2{
echo "找到图片标签:)＜br＞";}
%b,JF Dhj$V else{
,L2UD J x;u ^k echo "未发现图片标签:(＜br＞";}OO5W Sx S/P
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，*u"C oUMF W\
s~,Sf
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);5B DR e;j
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
n3IX6}+@J#b for($i=1;$i＜sizeof($splitres);$i++){
#H!P#L N wX$xbl file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;LGgWxP
unset($imgname); // 再次使用前删除imgname变量；t.A}$W$wpeF
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
;k V&zqd W E9|/r
\/s echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
:M#w/\\4W"S#M[D }
yD
C+k%B9rq,\ }
K P{S-ez&um;u!O+YL ?＞ ~Dk3p%[

Aol4U8Kajx \JO9zk4}
　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。Nb {1\ hJG

#}
U%CdIY^Qw 　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
a/w0a nwr|0Q*\
:V{%S:h/aoK 　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
8C5hBtr8e8C
;hI)f.~C'Cc 　　如果有兴趣，你可以尝试析取HTML文档中的任意感兴趣的信息，如果稍加改装，做一个网站文本搜索引擎岂不更妙？

查看完整版本: Html源文件中image标签的析取