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。 4Ow } r6E cL;`~ _&U ]
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： D^)jW!u3sg a-t
＜form action=" abstractSRCfrompage.php3" method="post"＞2s4Fj%T n-f-K6|
输入网址＜input type=text name=filename＞＜br＞:q;?-o JC K` Z
＜input type=submit name=submit value="提交"＞ V/v Q4|j3g+`%j?
＜/form＞
;j6I Z aOP;X d
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：uuRHN6L,K,G
'RNs*bek#o
u?%vfNL0fn$Q4v
＜?phpa;oz!\s&Gy
if ($filename!=""){F1D ko t;} }CYa6D
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；4L5hj A4] wcTNr$\
while ($buffer = fgets($fp, 1024)) {
$source .=$buffer; }
fclose($fp);;Qr~[ QJ%g cx
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) { U&A } Q+WaE
echo "找到图片标签:)＜br＞";}
else{i&v4O$FF*Jg L|
echo "未发现图片标签:(＜br＞";}
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，
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";7M9L)gR Y \ Z8NeH
for($i=1;$i＜sizeof($splitres);$i++){
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
unset($imgname); // 再次使用前删除imgname变量；%N;{DH V o x
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量f-K-? uU?t]z
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
} L q'c+xFoK | je
}nSJ-fA6g"\,B
?＞-l|;pk(`ndv2[m
4m Hg0Z5I9z6I _
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。bpQJ L Y7Vq#D
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。
f Lc zW ^L
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。*A K;Y/R.Lc
X C,l9ZuN R.K:q
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？
页:
[1]