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。  
+ j1 v$ O# H& F$ M) |7 Z" k7 I: M5 g7 t$ P) }) o# X
　　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：
/ l6 m$ v0 Y; O) g" n1 D; R/ u, N! U' o6 R

% ~, k& g" ?' y2 |) v8 z2 g＜form action=" abstractSRCfrompage.php3" method="post"＞1 f0 d$ P; M6 M& B7 P/ V' J! `
　　输入网址＜input type=text name=filename＞＜br＞) C" c* D8 O. m5 j
　　＜input type=submit name=submit value="提交"＞# C" y0 Z7 Q% R9 e. W1 k
＜/form＞ ) x/ I6 I& _6 a8 n; H

# _! n" [/ z. X9 h( b! ?7 U
0 J+ p( O/ |4 M# p: o　　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 Q9 B4 e5 \! k, f9 J$ X0 A7 H1 o% ?" Q6 Z: y

1 X9 @6 K3 \3 l3 n2 H＜?php
2 g/ b9 ?  E& ~; G  ^if ($filename!=""){
/ B# k+ W, ~4 L  r+ O4 ?: H4 i+ |$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；! T0 e# D. [+ M; L$ K2 P: X7 d
while ($buffer = fgets($fp, 1024)) {; h" i  p8 f5 Y6 Z1 |$ x
$source .=$buffer; }
9 [3 a! ^* r6 W+ g, vfclose($fp);1 V& R4 W% C6 v) D: W* N: X
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
8 Z% t% H$ L6 n( s- |if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {( E$ G6 }& N) l% u
echo "找到图片标签:)＜br＞";}% }3 r: U2 g+ \8 s# y! G
else{
( |  O9 q3 |6 `echo "未发现图片标签:(＜br＞";}
9 l0 M& F1 R! q4 f) `  d6 m+ Efile://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，
; Y7 x0 |3 ~7 A$ x2 X8 D$ ~$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
- I* y4 C4 w8 b3 cecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";) I& @, |6 N* {/ U
for($i=1;$i＜sizeof($splitres);$i++){
$ s4 |7 D" U$ }6 Ofile://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;) m0 ?, L& @4 V! }* J6 t
unset($imgname); // 再次使用前删除imgname变量；& y& F7 u" w5 i- g8 u! v! t8 B
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量8 [6 a0 A5 M& _/ n
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
+ z2 B9 c: ~4 D8 c3 a2 h}
( a6 |# b# j- z+ N, s}
- D) d- w5 X+ S+ k3 |' {* v5 k?＞
! {! k$ [, [+ K; g8 L) V
# R8 F+ W8 z# L
1 O! R7 j% T. R* h, v! Q) K　　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。: M, @4 d, v" k! N9 F

" g5 i+ _# a1 _5 z" l" K- D2 }　　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。% Y8 R  S+ ~5 @3 u+ T8 o4 _

) Z# A/ l2 ?1 u& S7 V　　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。0 |7 u% ?5 v! }( Q; k
# D3 {1 t( a( J& R
　　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？