|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14325
- 金币
- 2448
- 威望
- 1647
- 贡献
- 1396
|
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。
9 X" M- j7 R. z. x& t/ O, D/ n+ H. h( D$ p J& u2 @+ i# F
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： ; O+ @$ J; B3 ~, |, V1 _
+ D& M/ X9 j1 ~. |4 e. u3 f
$ l7 `$ q: U+ ~! N- Q: s＜form action=" abstractSRCfrompage.php3" method="post"＞
. m9 q: g9 ^! S) E: K 输入网址＜input type=text name=filename＞＜br＞. R& v: j' ?$ r! J$ ?( I
＜input type=submit name=submit value="提交"＞
$ b) i2 n- r+ k( ]& V4 z8 c＜/form＞
0 n' }' t1 l* f e, F% G* H. B" {% k8 ?6 o% n, D6 w6 c7 } _
7 ~" A @, h; a2 I; F; k. u 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 ~& P# D F. Q# E! C1 q1 _
) y' J! W# _; p* m3 M) D
' X# b$ W1 ^4 Y) J$ l# P4 b7 e＜?php0 z) ] T: N. B8 `5 C A
if ($filename!=""){
' q# ~: o7 y2 j9 i$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
5 n8 Q: ?* A3 g1 w7 U+ f8 h7 Ewhile ($buffer = fgets($fp, 1024)) {0 ~# [; T/ w2 p6 v( Y
$source .=$buffer; }$ @& p l! x2 U5 J$ Z$ ?
fclose($fp);5 V; J8 q- y" {- ^0 a
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
5 L, Z) A. B/ D- k: s; Hif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
! P) }: z* }; P! d# \& }1 lecho "找到图片标签:)＜br＞";}: ^: t7 B' U/ s9 S% F
else{ Q1 G4 _' M% y: ^( ]
echo "未发现图片标签:(＜br＞";}6 {5 c+ G j/ N2 ?$ ?: { L8 \9 V
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，& P: @. d& Y( C
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);3 E" T/ d4 ?2 ^% H- }
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
2 g" @- I$ n c- K' X, d, Q% ufor($i=1;$i＜sizeof($splitres);$i++){
# b; l+ |. g5 S. `/ o1 ~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;
0 v5 @0 l! w& t& c5 @0 N" U6 a5 Junset($imgname); // 再次使用前删除imgname变量；" Z/ q1 J2 w0 Z' S5 w; l4 E8 P
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
* A: s( X, U3 C. j; R5 S" M' xecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
( f5 ~1 J& {/ Y- L}
* Y' q, N' i( F) W% N! ~7 D' R}- W1 i2 r, e2 x, ]0 \5 ^$ f; h
?＞, n+ p) q- Y* C2 n1 X! A
! y M3 q7 y; D2 s
4 |1 o3 N D7 H+ c8 O$ I* d- 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。% J1 |7 W, [& I8 j
" a/ |. s0 q; X! g+ O 其中函式sizeof($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。
+ c" h. `" i- X# Z
) A6 O+ a& I& [, s 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。 i i* e9 V1 I
* d! B1 k% r" i6 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
| 