|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14221
- 金币
- 2401
- 威望
- 1647
- 贡献
- 1349
|
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。 0 ^" W3 H; ~- `1 `# C$ j' s
f/ ~, {2 A$ 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： . B% H1 }* s) K$ M: g
9 ?2 q" P9 r; {) B0 r
3 S7 R6 T7 ~% e. _＜form action=" abstractSRCfrompage.php3" method="post"＞( l+ }- a/ p$ j1 k A5 G" ]
输入网址＜input type=text name=filename＞＜br＞
. l$ a. Z7 A8 p ＜input type=submit name=submit value="提交"＞
! X7 j+ B0 h% s0 f＜/form＞
4 B) e v# @1 l( _# V7 t0 z: T v" X4 L% H
$ G2 M, Y ]5 d& m4 m! [7 m, v
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：( X9 g+ ?8 g5 Y) S0 g0 A$ \
. p0 u# g# Z I/ Z* a4 M
% y0 k& z& j# ~+ }1 d" V$ _
＜?php7 t& ~" s( E! y F# c
if ($filename!=""){. ]2 ^# l m8 x( P# G" d
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
) M2 P5 Q$ J4 I* m: mwhile ($buffer = fgets($fp, 1024)) {
/ g9 `1 q9 ^& C M+ x$source .=$buffer; } v. F+ \2 [' t6 U5 |
fclose($fp);) q: @ x2 K' @2 |; q
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记: t( }4 u9 A4 y u0 `
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
& M/ G: k/ Q7 o! X, |3 S$ Aecho "找到图片标签:)＜br＞";}7 e3 l1 X) }! ]( u
else{
9 _- H7 e5 Y7 ]echo "未发现图片标签:(＜br＞";}% z( S6 d' }! l7 y F4 F' @# h
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，# r9 h- c/ H& M7 a1 B: r
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
+ G) W' t8 l$ ^. N1 Zecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
% m' C3 N4 S L9 _for($i=1;$i＜sizeof($splitres);$i++){0 g7 c1 f6 I& u
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;$ \. D) M* T" K& r* w
unset($imgname); // 再次使用前删除imgname变量；
# x4 F. b) u. ~7 y( J$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量5 Q- T% f# _( Q. ~% U$ R" ]
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
/ b# l7 z* {4 B l}* V. ~% u) j* q* T3 Z0 V! G
}# ^. I- z9 o3 _9 A2 `
?＞
* C5 V% m3 P+ X. ]2 l& a6 m) D
# j0 r, ^* O8 w# @# C: P& O7 I
" i# _5 M/ o; t( q5 I% x 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。- B# G1 G/ K* }- n- f( \( N' C
+ c/ ?7 o- h3 F: N
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
: U: `" `% W. j3 b3 i$ m$ f \/ {
% u! ~! U k& l& R 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。
I M* {$ R6 R0 n2 @1 D6 \: I# }: S" r/ x' J( }5 L
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？ |
|
发表于 2008-1-19 23:31
| 