|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14159
- 金币
- 2370
- 威望
- 1647
- 贡献
- 1318
|
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。
, w% h) e5 z6 N
4 O1 ~: @7 D+ J3 ^ 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：
6 h# w7 j3 U, A) A' k1 s8 V! K. A
' p z- O3 v0 b4 ~1 N0 I6 R+ \9 O
＜form action=" abstractSRCfrompage.php3" method="post"＞
8 E8 O8 e' }/ q8 \1 p9 P 输入网址＜input type=text name=filename＞＜br＞. V# K8 ~) T) O: s5 T1 k# T- Q
＜input type=submit name=submit value="提交"＞5 Z0 ]4 r& r- F0 |- a. J0 R
＜/form＞ " w: e0 Q7 i; m4 ^
- ]/ z k/ C% H: M9 [/ h0 M$ E3 f8 C1 r4 A5 Z9 N+ X
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：. u" b& j$ B3 e! C9 u
$ S+ b% ^. v$ ^8 T
t" z8 l' y3 S/ e' I0 @4 I) J8 @＜?php0 h6 o' b, V3 X- X
if ($filename!=""){
. F0 r$ T& K1 Z- L9 z$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；% d) i% V2 a' I: L8 w
while ($buffer = fgets($fp, 1024)) {
/ r3 I/ Q6 q* ^! ~8 F$source .=$buffer; }
8 D- y( s2 W0 X+ ]6 ofclose($fp);+ p2 h1 f; l% r( j7 a' t1 w% H& I
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
* t+ F- q! }/ H. zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {2 g& @# l8 y9 _( M F
echo "找到图片标签:)＜br＞";}
2 R1 l. Y$ ]$ Felse{4 t2 o# ?3 e' D: A" f+ P, |
echo "未发现图片标签:(＜br＞";}+ l+ q H! H& K, l! F
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，: p( u3 b* u9 `( p* J) P$ q
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
+ [4 \ x! j& e" ^. E/ [9 eecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";$ C' c- d$ |/ K* r0 r. d. Y
for($i=1;$i＜sizeof($splitres);$i++){3 _# `* a2 o: Y- f
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;
$ v& Z5 q& V6 ?0 \unset($imgname); // 再次使用前删除imgname变量；
! w9 r1 ]0 j3 Q/ s- D5 H' }' }& R# m0 z$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量 P# b$ S* T$ ~- u4 P
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
. F+ j' D$ v- E6 ~7 Y* a# G3 K' a}5 H) g, Q* ~* E, L& f
}
6 |. J7 E' j9 e0 l?＞
" f* D9 Z+ C+ U( a9 M& W" }9 }" ~4 [4 `7 K0 F" K
7 [$ h& `: _% q# `3 @1 l3 i
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。8 P; B0 s/ b" Y
l( E# n! b* F& r3 L, f z 其中函式sizeof($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。4 o& u6 k" u2 ]1 ^) u. Q
3 |+ `4 X q& X8 b8 k 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。2 j4 G9 c _' m) F, ~
8 f3 i3 z( s! G8 r9 [/ p
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
| 