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。  
! K7 z  i) i) z1 K( [  S. g5 i& O$ c: o, _- t) c
　　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：
! `3 I9 u' {' {) ~1 C/ y' {7 z& f% m! [, n# t

8 c! u5 k, j$ c& w1 r. z9 k＜form action=" abstractSRCfrompage.php3" method="post"＞7 U$ O8 v( U( c. C- i& ]
　　输入网址＜input type=text name=filename＞＜br＞4 G# u- i" c! K8 r* I* F) d
　　＜input type=submit name=submit value="提交"＞
8 T" I7 [% X8 X- w4 T＜/form＞
0 L/ \% e6 q2 j. [  G2 e" x/ O2 m% z# o& k: F. k
: `4 Q& p3 d# f4 v, `" ~! L2 R9 ^/ m
　　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：
: A3 ]  C4 G' C7 o0 z, r  Y$ d' w) \6 r" a

& \: N5 N9 ^2 w* V4 _, U＜?php
! p4 p7 l2 m  {* d! wif ($filename!=""){& E- C! l/ ~( o9 Y* [+ \
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
' ?8 A" J; t2 r, o, ~) R" Rwhile ($buffer = fgets($fp, 1024)) {; q! L5 m# K* s4 ^# ~& X4 f
$source .=$buffer; }
: I% z: n) f, u0 H% cfclose($fp);
2 Z4 K4 {) }. w+ Rfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记7 K8 k1 W2 L# i  u6 F2 ~0 J# n5 \
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {6 R2 `3 S, L3 H4 P! g
echo "找到图片标签:)＜br＞";}: _; p( A; U  u8 Z( H2 j" c
else{
3 V8 F' w; F4 x/ aecho "未发现图片标签:(＜br＞";}
, ~: X: s1 X% p$ e5 h# Hfile://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，
0 }! n' ~" P8 g$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);8 ~: B  I3 k4 m! h
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";/ m  q1 r( c) {3 K! h" L
for($i=1;$i＜sizeof($splitres);$i++){! A# n. Q8 t0 I( ^& N4 ^2 x
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
# E, j1 I' W* n! I. Punset($imgname); // 再次使用前删除imgname变量；1 \! ?( K3 N( [; E% x
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量5 n9 U: s5 o2 C7 e7 ?
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
) p* N! I* U: Z}# J6 ]0 X7 c' L* L. y
}
3 M7 P) q8 O" I$ H8 N2 {4 ~/ |?＞
. O# X* Q, f; B5 i6 H2 x; G
" r+ E- m  V$ u6 R5 X$ z6 Q' D8 e4 H+ p
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。' Y! q# c, C0 _' X. W
: H! p- z9 F' N* r# ^4 F2 W8 S4 a' w$ @
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
. R/ f7 Y- f0 k. Y; S8 I8 C. F% e$ R, b! A1 l9 ~2 h- 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。
) A- K: I9 W& y; ]/ q# Z. F8 D4 X$ W, p- b/ L7 a
　　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？