|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14391
- 金币
- 2481
- 威望
- 1647
- 贡献
- 1429
|
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。
2 P* [6 S o/ I% L9 Q5 r* c# w. }6 |3 e5 i5 y7 e
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：
- _# u3 n3 ~: P* B- e3 t$ D, e/ f& ^# y. G1 H
) `1 j$ X5 F/ |＜form action=" abstractSRCfrompage.php3" method="post"＞
6 h, G' L$ X( R 输入网址＜input type=text name=filename＞＜br＞3 G$ O( D( J2 A6 Z( _( l6 @8 O
＜input type=submit name=submit value="提交"＞% k- T1 }5 F6 [0 g# E: _. E
＜/form＞ : J1 o1 V% O( H5 Q! j" ]& J. e0 T' n; e
' D5 C- r* L$ H+ V. U; S z5 L9 b, a
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：
8 x6 |7 ], p* A5 P' p7 i% p" X5 q7 k. P0 X- `$ d; o; z( n9 E
" u' r8 L- v7 Q0 j5 X4 g＜?php
: y- D a6 W, C j8 R+ wif ($filename!=""){
. k0 F# D* @% s# Q/ y# T$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；) u) J* C% M0 w/ Q% L
while ($buffer = fgets($fp, 1024)) {
: v) {# n% n' @- x" C$ V& z6 O" N2 R g& w$source .=$buffer; }- Y. b- b$ h: B0 B+ ]6 X/ z
fclose($fp);0 W* \/ E( |; q o
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
5 }8 \- K& @4 a+ S" dif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
# k, r" w4 r2 a2 jecho "找到图片标签:)＜br＞";}+ ?+ i0 y& d2 H$ i: o
else{; i' n6 F& t6 M/ z
echo "未发现图片标签:(＜br＞";}
2 K9 B! } p5 ~% r8 T! x: ?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，
0 p& i+ ~* V4 ?9 K! g. O. o' J$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
7 T+ l. g8 k2 Qecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
0 R8 w" V' n+ m0 @, ]for($i=1;$i＜sizeof($splitres);$i++){
; s+ E. u2 a$ F+ E8 Mfile://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;
# M0 r! J1 N0 s! w% c- Nunset($imgname); // 再次使用前删除imgname变量；
* ^( R2 e& y6 Y3 `0 X$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量4 i6 b8 h: R. w' e% [
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
/ K+ e. ^ {! d. Z, s& e- V8 Z}! Y3 _" C1 z& p' `( i, h2 H/ |5 Z/ X
}
( x) u5 s: b" W4 z?＞
* u$ i+ O7 U$ L5 @6 k& P3 i% u" ~
" t% y! P+ v8 D6 |6 R& R; d& j
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。# q+ B( f6 d7 N) \/ G
5 T* V2 r2 N, r3 Q5 _% L1 P 其中函式sizeof($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。
1 ?0 s; n. e6 ], Q7 _8 @% U" V9 B5 y0 D$ o8 d8 d/ D3 x
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。
% d! x) O, W/ ?; C. ?1 d5 m8 k3 v9 v; ?7 R7 J3 M
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
| 