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。  ' v5 |9 c2 Z( ^' }
# I( w, F1 o) B' ]5 J8 J
　　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: z+ L2 p% k+ I: ^2 H2 X7 p0 w" `  ~
" n) w# y% F( M( o. n
＜form action=" abstractSRCfrompage.php3" method="post"＞
2 U  p& `; e% d　　输入网址＜input type=text name=filename＞＜br＞
. ^0 q% J: k3 q* I8 ?' l: W　　＜input type=submit name=submit value="提交"＞
, P* ?6 i7 f8 T2 x  `% E, F( R＜/form＞
. c3 J1 Y% y+ }0 ?
* s) q/ U% ?! k6 P2 J
% h1 c. r7 ?/ i$ B" z! f' M8 f2 O1 D# S: E　　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 u7 N' P2 W0 p+ e- s

1 ~- {* L9 J7 n8 _& C& B
% f- Q2 H* T" I! j- E＜?php
$ ~- c" p# b' F9 }if ($filename!=""){+ @1 |3 _, x/ r" o( ^
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
0 ?- `7 u) R' E2 V: q% F' vwhile ($buffer = fgets($fp, 1024)) {
! k  ?# \" K, ^% \+ [( K' U$source .=$buffer; }/ Z% l) {- g' d6 R- h0 ^0 a
fclose($fp);
7 J0 u% q5 d* ~3 \file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记( k9 y3 B3 O$ z
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
9 P/ d0 T9 A  r: secho "找到图片标签:)＜br＞";}
  w. I9 O- E. k! Celse{' i& Y( ]8 [/ c9 b$ ^3 [
echo "未发现图片标签:(＜br＞";}1 e" D8 l  j- k1 }9 z3 P, G
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，
/ b0 K5 V# x' l( C$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);$ L2 l/ e5 {  X3 w/ J6 l% n2 T
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
  V2 {4 O4 Q5 T; yfor($i=1;$i＜sizeof($splitres);$i++){
9 B' Z; P( x) f* g% F2 }8 ~file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;& n0 f/ s1 U, e! w2 z5 S
unset($imgname); // 再次使用前删除imgname变量；
" ?7 H, F6 A0 ^: R$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量% o# ^9 r, h; w" P8 Y5 t3 j) ^
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息" Z* ]; g; Y+ c' E
}6 U/ }- M+ U  w' o. Z/ Y# ]" r/ _6 x
}9 V1 p$ w8 F7 a
?＞5 c* ?0 m$ {$ {3 r
$ T# i) t- Z$ R3 Y: @# e% d

9 Q& T. l4 d9 f7 n　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
( D9 X0 z9 Q& `1 A  k2 S- Z- [) h$ B% ?$ v2 W( ^! h; X7 x
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
0 d0 X. p) O# a' a9 c* W
: }4 V, y0 x' k　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
% G" w8 ~! s( @$ B
4 Q' [% O* Q% M; _8 u4 k  J　　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？