|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14325
- 金币
- 2448
- 威望
- 1647
- 贡献
- 1396
|
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 R6 c9 V5 k% |8 Z( K4 J
5 z' ^3 H/ |& k$ g; ?
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： ! |9 D7 y* \% }% n
3 H2 \) p7 W) l4 [5 m" N
1 ^/ Y( r# f. ?% ^" o: i＜form action=" abstractSRCfrompage.php3" method="post"＞
w# O+ f0 @8 A; ?* [, o+ S. c) ~ 输入网址＜input type=text name=filename＞＜br＞
: R' [" w1 F7 D1 ]! j0 P; V ＜input type=submit name=submit value="提交"＞
8 L+ M% N( b% E6 F& T, R＜/form＞
+ `! f4 G7 [7 Z$ s. N
$ W$ ^% n0 z8 B; ]( e1 i+ `( f
1 I: W+ y0 s9 j! f2 A) w" S 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：
9 L0 w1 x }/ J+ y6 k* P5 ?6 q
' V- X; N3 g- U# z9 b% V9 `& a/ K* T M1 M
＜?php
- ?( x5 H2 R$ I# @# Hif ($filename!=""){
8 v% U, y4 A+ l$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 [% c5 P0 S( `
while ($buffer = fgets($fp, 1024)) {) k) q6 M7 X" Y4 u8 C9 @
$source .=$buffer; }
, }& n5 b6 Y8 P1 P9 o! I; ]fclose($fp);. q7 a7 J: p0 {/ F6 [; x
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记: l% e, `+ X" b" P4 b- O
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
5 F9 v7 K9 \; D5 Recho "找到图片标签:)＜br＞";}
) K$ D3 P* [+ Felse{
! {, c, _7 A2 h+ M' G6 c" O ^$ Pecho "未发现图片标签:(＜br＞";}
4 O( Z. |3 s. i2 g' ?/ l# n2 Pfile://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，; s& _9 j* t' r( J. I: x* k$ i
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);7 T7 G, s9 Q- Q8 v6 }! e
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
& J) c: z0 ~1 J: n6 r7 j; ~for($i=1;$i＜sizeof($splitres);$i++){6 y' Y8 w/ Y- T
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
9 @; X: B7 f, u" ~& U9 iunset($imgname); // 再次使用前删除imgname变量；# E/ ]- k0 r2 ~6 s9 L. l6 ?
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
. L8 C; _: V4 _, A. Techo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
, m9 R0 T0 a6 ]/ ]& F H4 L}; z, e0 S2 {4 X3 Q( y5 B, Z0 R
}
0 \( q4 E$ p+ e# ?- b: r?＞" q g$ ` c) W# D
8 u n# l/ _9 N0 n, G" ~: V6 S; W E& j% u/ M2 D
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
0 c8 l ~. Q/ U! ^ H! B6 ^
4 F3 ]' i, n1 h7 P3 t5 u3 W 其中函式sizeof($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。
2 ]/ X7 q# S7 c
- B" C6 L, ], m 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。+ M3 \% o+ s( }4 K6 @
4 x: X; F$ K1 V$ ^3 Y
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
| 