|
 
- 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。 3 s4 |" L2 A2 T
9 G9 Q% f2 O# p' E p4 O3 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： ( l. _1 T1 H# B4 X9 p, a
* T, Z S8 V" C }
# b7 [3 u7 K1 C8 ^, Y- {, k9 z＜form action=" abstractSRCfrompage.php3" method="post"＞
- e7 a' S. o; |0 K3 @; C 输入网址＜input type=text name=filename＞＜br＞
( g! R; n1 T. G1 |* g r9 \ ＜input type=submit name=submit value="提交"＞
" ?1 B0 G: g1 O) P% t＜/form＞
5 W2 c( c# [ C
7 k: D4 |5 z/ K: a; [
& Y4 i! f# E( H3 u/ m4 J 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：: _1 N0 P& t( W# y0 A* |9 W' w+ b
( F5 t j d F+ D% C' [0 T1 H9 R. y/ @& c* {
＜?php
7 k) b' N% [) p- H; h2 [9 q; Zif ($filename!=""){
# t( ]( c8 Z; E! u. [& O9 P' [4 W$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；5 d& Q, [; p3 F0 ~3 u1 r
while ($buffer = fgets($fp, 1024)) {% M- w( ?8 T0 B$ z
$source .=$buffer; }
* W" k; u8 Q9 K: u2 Gfclose($fp);
* t% }: P$ k8 W; Pfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记( f4 Z; C' {7 N7 G8 B
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
2 Q# B0 \8 T9 K! Iecho "找到图片标签:)＜br＞";}
r* e1 g F' ^7 [else{
; G0 S! G B2 l4 d- wecho "未发现图片标签:(＜br＞";}
# \' j. ]3 D& U. W3 Dfile://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，( B2 K+ X& ]8 r# K9 d7 q w; ~
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);1 _9 i& Y4 K* }, V8 j
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";0 @; w( f" j7 \
for($i=1;$i＜sizeof($splitres);$i++){; g; P$ O1 b! H3 y0 s8 i
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;5 [! H+ I1 o- `! D1 z) A
unset($imgname); // 再次使用前删除imgname变量；
8 S& o1 A. Q9 N& z1 g0 z; P$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
. {' Q( C6 V( Q7 C4 b$ Techo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
0 O6 A( e; a2 ~* C. d}( A( ^8 y; C! W' D; K1 i
}! N3 d% B* |. {0 P! q# s
?＞' M) _0 f9 h' N* [* t5 |4 g
: D8 e# ]0 D- j* ]
$ w: s2 g8 I4 }* ~9 H 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。% z0 y: g1 Y& T; T, ~! N
+ }. d: I k- z) ]
其中函式sizeof($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。 R: j1 e' I9 U+ F0 P k t5 j( M
) u' Z4 a/ x$ t! A
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。
+ v( G0 D6 Y" y! C$ V) y) ^( \) U, e- s% v) T1 l% F1 ~, P5 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
| 