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。  - p& y& v1 L% A. S4 F; `

4 l4 G' e6 ^* b6 ~9 r2 \　　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：
& N  l4 G2 o! ~3 I4 _& D7 T, g7 I  T: r. M( |+ x" ?
3 {# V0 y! H' }' y
＜form action=" abstractSRCfrompage.php3" method="post"＞7 b7 g1 h0 K) k7 M0 b3 _
　　输入网址＜input type=text name=filename＞＜br＞" ?9 \* F6 E8 A
　　＜input type=submit name=submit value="提交"＞6 S1 N0 ?6 m: d# M
＜/form＞
( Q$ L# ]0 [7 }+ U& M: K4 q
7 `& O5 i+ i! G/ k: D( A
" I3 L' n: G+ O, e. c: C4 Q　　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：
) J/ S2 Y) ]- C* I; T3 |! `" Y$ D5 G+ w4 k

' Y) Y5 ?# |* y% {* P+ T＜?php8 }" _6 y  H  ]$ _8 P
if ($filename!=""){
% h! J, n: g2 k8 _4 k& G8 W. x: u$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；7 }# U  ~, p: l+ E; R
while ($buffer = fgets($fp, 1024)) {
4 x3 s0 Q% F7 y: V$source .=$buffer; }
4 {' s. |9 }( `& N: ]fclose($fp);
- {' M8 p! e9 q6 \, R) Jfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记' L# G; @: g/ ^+ S1 u
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {4 N' U: E9 o' f
echo "找到图片标签:)＜br＞";}& x  g9 V# [4 \: s
else{
8 A1 N. B' W" b; w) Eecho "未发现图片标签:(＜br＞";}
( G: ~2 X! [% d% T/ bfile://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，
* U' e- b1 V0 O; l$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
/ e4 g; F+ P6 K! p9 hecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";2 r  ^- U/ M& ~1 W# q- W
for($i=1;$i＜sizeof($splitres);$i++){
' e* z7 |/ Q0 N$ Wfile://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- Y, j& O+ ]7 t& Vunset($imgname); // 再次使用前删除imgname变量；0 c* y! c) h8 I% X, y* ]1 {
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
2 f6 e3 m% s6 w8 `echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
; ?6 O. D$ d% B0 Q7 _}3 q& m; D" i; W& C" W3 ~: W
}
" V' e+ a/ u7 G1 H* u4 J?＞: M: E+ I  N% w8 T7 M7 E0 N, z3 s

8 Y; C: `, t& J9 r0 U! O5 w5 i
" Q" T( a! R3 S9 }　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。. j* s2 Q1 T, j% R) q2 r4 x! M  [% z3 s
: l5 p+ y6 U6 i$ p: {$ R
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。& z% o: S9 X+ q; z* h6 ?* g. U$ |+ w

9 b2 d" p" I. w* U　　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。# Z/ D. J' @, r9 W2 R1 ~% A

8 t: P/ L7 _1 s- ~& S9 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？