|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14249
- 金币
- 2415
- 威望
- 1647
- 贡献
- 1363
|
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。 # J% {! X1 ~1 P2 a: l
+ @3 e% z2 [1 V, W* t8 m+ Z 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： + H m w- u' y5 @
* M# j O" y$ t7 b2 [+ ^( s* H/ w
＜form action=" abstractSRCfrompage.php3" method="post"＞1 Y6 T3 ^; `; u& C- K, K
输入网址＜input type=text name=filename＞＜br＞
' y1 u2 @1 }! u$ b ＜input type=submit name=submit value="提交"＞) Y/ z2 B$ h# G
＜/form＞
1 d( K3 I. k9 `
* S6 M2 _% A/ ~2 q& z) K7 E! F! H# ]8 S4 h2 v1 T
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：' e% w! v+ D8 y1 _4 a
$ s9 b- `) M. `3 \4 n8 Q
. E H9 r: K) P# ?＜?php8 k% |( B2 X$ O4 y- B6 o+ F
if ($filename!=""){# ?1 M& Z. _8 e/ L3 o: h
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
9 ^# ~* ~. b" I& I0 J( B: S' Awhile ($buffer = fgets($fp, 1024)) {
* ^1 o8 `& ?) T9 ?- D9 \2 I$source .=$buffer; }3 }7 u0 I. k+ U$ Z# F" G
fclose($fp);6 w6 ~- O3 `7 d1 H) f
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
6 x$ D" D% U6 zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
8 n) S, d' v" j/ e1 g; h. Zecho "找到图片标签:)＜br＞";}
0 y9 d! X0 U# {5 g- ]* O4 ~4 p. D0 p9 velse{
& g% L3 {' h: R+ k7 Uecho "未发现图片标签:(＜br＞";}
* K; Y1 c+ J/ C% `1 ?8 G, wfile://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，
$ q9 {1 ~+ T/ E4 w7 h, w% m$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);* M9 I" ^6 E' d, Z& }) W
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";9 s: u+ d3 U1 e c1 x$ g
for($i=1;$i＜sizeof($splitres);$i++){
6 A/ h/ A' M3 ~ v4 N5 ufile://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;
3 ^" y1 D# I" j: qunset($imgname); // 再次使用前删除imgname变量；# N; U: i; U6 s& ~3 c/ Q, E
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
4 o, ^( X2 E! i+ `% `echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
# X1 S9 y' _/ k3 l! R% t# t9 X' ^3 s9 Z}
) U! u, z# E+ h}
" e8 S' x6 A& `8 ^- j% H* G?＞9 I( n; d4 Q; V
5 N& s% e/ B( g; n$ N: r0 l* m# D
* O0 l9 s1 @) g& ~
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。! r" w! b3 y' ~8 g
& D. b% L& x T% v* u. O
其中函式sizeof($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。; F5 z# b" Y" l# d8 M
. T3 |) l9 c4 Y$ L6 o2 H6 o$ ]
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。' c% {6 g6 o# X9 S& `* o5 J* t4 l
- s6 b8 k" z/ T' \ 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
| 