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。  1yGrS8QWR,LOb

Vc8x]||4Nh 　　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： 0u1U I%?*pFj C5|

+ZR
L oA g L*V4e~b nB)[-d!uy
＜form action=" abstractSRCfrompage.php3" method="post"＞;]P"C:Q
qO_Z
　　输入网址＜input type=text name=filename＞＜br＞uKRY
}+}
　　＜input type=submit name=submit value="提交"＞
*Bj8Y8]4sv
LEHH ＜/form＞
5f D2?0cwm\(_f%}#A
ya@c%n,]z ~ I'Ct0q4obH
　　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：0w LN&H-U
~
wQ"t7Ve|:S"z,|*D

R2g i} ?i ＜?phpXsH)hRs~\J
if ($filename!=""){pinR0f
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
.\n4w5Eq while ($buffer = fgets($fp, 1024)) {
0?|'T QRRZ8weBK $source .=$buffer; }
"Yazk6iFN fclose($fp);
)~L+vHG3pn7` ~ ^ file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记l%iOo2B6Vh7~
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
'Mx-QU
x,GB4O echo "找到图片标签:)＜br＞";}
&M w3W o
} else{
_h yy8yW6b"p| echo "未发现图片标签:(＜br＞";}6vdy)ecd
k5N!R
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
'M+M6fQ4?$['F ?nA $splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);0P5}Vn!Z
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
6X4U(mH1fB0i7mK#u for($i=1;$i＜sizeof($splitres);$i++){
du(ob N2O file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
^"m+QjWz unset($imgname); // 再次使用前删除imgname变量；1Y
W P m?"u
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
3|(O/H!J2H:CA echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
B,q gz'@4[ }
Hx'H&`0G0BP$o)\
}.a:]:}Q%TI
?＞%S5k&os*i-R `k

+i D!r+c1u5f
(r/z$Q%_y2lqs
C3Sy 　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
!C
ad npE8`
{;H3XR:rX 　　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。]#\-HKSEpQ

,F$C}&_4bpL6n 　　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。p-B5]G2tX;yy

.Q"|Wl
M,o
|w7L2W 　　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