Html源文件中image标签的析取 HTML, image, 标签

admin

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。  + b2 Y; x/ O# s* b- ?9 A
: H# W0 ?' x, W: x6 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：
4 ]$ {4 L8 @! m+ j6 w
& D' j9 @" h! k* a4 a, a+ U8 L. N1 g
2 V6 m! a9 @( T8 n; T＜form action=" abstractSRCfrompage.php3" method="post"＞
: _0 T1 w6 N- Q/ _* t5 A0 U　　输入网址＜input type=text name=filename＞＜br＞* [6 Y3 D8 D' @1 q
　　＜input type=submit name=submit value="提交"＞  u8 d+ Y3 u- D) ]
＜/form＞
! ~% S1 z, w7 P# ?
1 j- k; G+ E% Q1 n
: T4 V: B0 N3 w6 W; V; 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：
; o& O4 S" j" I7 {' K3 I0 F4 G5 Q
: x1 \& f5 z4 ~2 A, E5 i- e  j) ]
( n- E( x/ y  `! G+ `0 T' y0 W＜?php4 o; N. D) @  i* r% I: s: G. c
if ($filename!=""){
% L. N/ E# m4 ?+ }& s  r5 Y$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
1 v3 o; l  j% E$ s% uwhile ($buffer = fgets($fp, 1024)) {4 Q3 ^, w8 K. C; y7 A; U. ^0 m) x
$source .=$buffer; }- }, o- C2 R) V/ F  A
fclose($fp);  v" R& `- T" l. d( T9 N
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
0 p9 g) ^' b9 [if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {2 Q' z" ~0 T  [' P
echo "找到图片标签:)＜br＞";}
' d$ q7 V" c( B! D3 Celse{# N$ ]) B8 G8 \
echo "未发现图片标签:(＜br＞";}
. J& x4 J/ l. D" C4 E/ _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，' b: H3 l% T: ?& V# j; C
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
7 k1 r' w% O, f0 Y" D4 oecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
9 q3 l8 a1 h# c# Dfor($i=1;$i＜sizeof($splitres);$i++){
2 f$ u" I# U/ f9 B4 z! Tfile://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;1 ]9 q) P5 v' o5 e
unset($imgname); // 再次使用前删除imgname变量；
; P2 }7 C8 b% T$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
+ r+ y0 Z; M5 D9 {echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
9 r# Z, j* |: V& u8 O4 l* K5 b3 n}) {7 Z$ M5 V) H1 Z6 L
}
" i/ ~$ O: i+ L4 j) B6 q?＞
9 T8 l9 x& Z8 N9 u% M# l* ^
% E) v! R! W: J6 e9 I4 W6 z' o4 q: x: h/ d- s& u7 V+ F
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
1 V- \, I6 N& t. G( @* u; c+ E2 F% y# O( W2 q7 a2 O4 N
　　其中函式sizeof($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。% A2 ]* e& N4 w# R8 I$ ?, @5 M

& n) O2 V/ [! b/ a/ X9 g. ]5 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。
; f' [! k; n1 `. G; W+ |& o; U7 l# _$ r8 c* z6 ?6 G( q
　　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？