Html源文件中image标签的析取

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。  " X( Y: t5 r& z' e1 _

  l/ ~0 U2 A# g* k  B/ ^+ s　　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： " T, V+ K& F. \% a

' G, d" T; \2 c
6 h% P6 k& h. H＜form action=" abstractSRCfrompage.php3" method="post"＞
, J& v  }! H" b% K2 W　　输入网址＜input type=text name=filename＞＜br＞
# D4 y2 g! l/ v' m- ]" W　　＜input type=submit name=submit value="提交"＞) ^, C/ r6 m4 t9 A9 M$ y
＜/form＞ 4 [5 ^# E! d( S- }) n) m

9 r; _7 ]& Q, X6 ~2 Y, m* {( ^: W! R1 D/ b2 p. _
　　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：5 G/ J$ `# i, g& i9 U3 B

5 f! U( W6 Y2 F7 x, v& R! W; }$ z& H2 }8 @# z, @
＜?php
1 a  n: F5 v2 [. V3 o$ i, Bif ($filename!=""){
( ~  H. B0 t' }3 Q7 M$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
( ~  d9 l3 N) b* l+ D* _while ($buffer = fgets($fp, 1024)) {; c8 L( ]4 i2 I: C, E
$source .=$buffer; }
& d4 d% B* |+ v. @0 jfclose($fp);
3 F) ~- ]/ U, F: v: Pfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记2 Y% ~5 A- m2 `9 _) S) G2 ]  p
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
) n% y* r$ n; \echo "找到图片标签:)＜br＞";}7 @- j1 b/ r$ V  ?( G
else{3 _! j8 _7 _. y) E( m
echo "未发现图片标签:(＜br＞";}
7 i" _, Y. S& G- ]& g0 o$ c0 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，
4 s' s! n$ `2 t$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
* P# i3 w  G+ \echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
- U) p5 B6 ~! a& w7 ^0 c- cfor($i=1;$i＜sizeof($splitres);$i++){9 P0 Y& X: ?5 l2 j
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
' j$ M* j. u+ X3 Q3 P* e; f' P- ounset($imgname); // 再次使用前删除imgname变量；
( \: S; ~5 Z, h0 R$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
+ F) B' X4 W9 x9 T  lecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
6 a4 }( E% e1 y5 r! x}6 s: E5 _2 |9 ~0 m! w1 ^# ?
}) A# A$ ?0 ?: N* t) E- x- A5 ^+ U
?＞* J' T: L  a. Y! \
: S7 i% ~& A4 a+ ^
+ b! f7 J/ H$ W% M
　　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。/ C8 `' F/ H/ Z9 ~- R( i5 f

* Q4 o& }; G) L+ j; j3 T2 G5 T　　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。) l& C+ f* v" K8 }) x

, ^2 h) d2 K2 \0 o8 w7 Q　　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/ [' {( R# a) y- g) [% [$ s8 v& }

$ S! o! O) [8 p1 P7 q5 B　　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？