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。  
$ t# |5 Z3 e3 Q& S0 X3 o+ y- Q8 U; ~& N4 O: U) m- H
　　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： ' b6 S7 y; u' U8 c# [  M  N' K
: u, R' B; D# E8 i/ t

- ?2 V5 ?7 L' Z- |/ U3 x& {＜form action=" abstractSRCfrompage.php3" method="post"＞
# w7 D9 u/ F1 B, g- X1 f3 c( m　　输入网址＜input type=text name=filename＞＜br＞
: \5 B/ x1 A% q( W. x8 a! N　　＜input type=submit name=submit value="提交"＞- c5 V7 d) ]4 N4 I4 D
＜/form＞
1 M) u" I6 k+ N0 {5 ~1 `& U2 y: Q8 n/ H1 w

, R. A  H* K( u7 g. b　　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：* y. f& G  t9 ^( @' k

6 W- e5 Z& V; B2 v& T- O* H7 n; U: S& d
＜?php5 }$ q6 X/ |5 B& e5 e% m6 a( k
if ($filename!=""){
' w9 Z! p9 i  D# `3 n" ^$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；! T5 \: U3 s' o2 [, b# O
while ($buffer = fgets($fp, 1024)) {' [- n" H  ~9 R& e. m, ~4 T
$source .=$buffer; }: u/ [: C: ?0 p/ X) J$ ]
fclose($fp);
- ?& O. Y# h2 @3 R5 }file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记9 K, c. o1 _) Q
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
+ [0 Q( O6 X$ wecho "找到图片标签:)＜br＞";}+ m& b3 L% u, r! `  f
else{% f2 \6 B$ I' z8 y: w
echo "未发现图片标签:(＜br＞";}+ k* g. \8 s+ |8 b# N& o; v4 k
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，
# O. {/ z: e  s: w9 R( s* c$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
/ e; X. k% k; c- @+ ?/ D5 M" d4 h! _echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
1 {5 X# Z6 }% J9 L' ^3 G" ?' [for($i=1;$i＜sizeof($splitres);$i++){4 F' y1 {; N8 N( |' l9 X+ X
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;# c4 i( {* p, C7 a$ K( l
unset($imgname); // 再次使用前删除imgname变量；7 C* V- L- [7 r% `+ u  x% l" F
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
0 C+ i' S, I  y0 _echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息. N* P3 r" J1 z! V/ g
}
8 E) J/ ~# t6 y. [}
, Q1 K- ]0 j- n- k9 B$ L# Z3 _?＞
; _% w$ m+ }# G7 I0 {4 u* _/ s6 ]: a. E- Z1 z5 o2 x0 j
$ Y! [: @7 ^) K% Q4 ]/ ?
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
& M* q4 E* W  i& [3 M! H
0 G* A( O) o. K) X2 [. K$ \4 M　　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。# r5 M( n. G- ^& f4 q

6 r( U. M8 H) C* A; ]　　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。
1 Z' C/ V5 ?8 m9 W( a" B" _* Z6 R; K- {- |9 e
　　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？