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。  
0 E, {9 b  O6 V  ]# K: k/ N- P
- D4 F0 K  H( H! t- p7 p　　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：
  c" A5 g$ T- }: T) @# V# m9 d1 b% R" }& }6 z
* S8 p2 Y' [3 f' I
＜form action=" abstractSRCfrompage.php3" method="post"＞: Y  A; n5 m# a/ o2 u) y. B3 D
　　输入网址＜input type=text name=filename＞＜br＞4 y8 C- {8 D- v6 v
　　＜input type=submit name=submit value="提交"＞
0 a& \6 R2 P2 Z5 ^: v6 M" F＜/form＞ ( F& P! \- h- I  b0 y% A& y8 r

+ j8 B) ?/ q8 h
9 m6 N( M. m' A　　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! v5 I: O& w7 U; |
7 Y1 `# J7 c" M5 U
5 O" J( v: [4 ]＜?php
7 I  e" ^8 M( M" dif ($filename!=""){: I' T6 w, {- f5 d. v
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
5 O; ~+ M& E% v. _+ u" w1 `9 ^while ($buffer = fgets($fp, 1024)) {
, C1 x  ^! b; O; o$source .=$buffer; }
2 n1 j- g) g" z/ Jfclose($fp);/ K  M, h7 S* r0 k" N: R
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记$ ~7 U+ p3 ^3 A! o  e
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
9 c& p9 l5 Z/ ?% [& Recho "找到图片标签:)＜br＞";}+ g1 G9 c, v$ C- ^
else{& v7 t, x3 b5 B% D9 w& c- {% z
echo "未发现图片标签:(＜br＞";}
- P+ ^+ y4 X/ z. Y0 Gfile://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，8 o2 T: Y. U/ Q7 \7 M" ~8 u! j
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);5 n6 u1 Y2 }+ O  r) c- Q, J
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";! x+ x* Z' I; v1 y2 d
for($i=1;$i＜sizeof($splitres);$i++){- e2 K8 e; [+ B
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;$ Y& k6 u. ~0 ~
unset($imgname); // 再次使用前删除imgname变量；9 e% b% Z& V: d$ w1 ^5 v$ M+ I; e. ~
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量  W$ T5 Q& b& Z5 g9 s
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 `) t0 M% ?; U) W5 n- l
}; [, M% q) J$ k/ @
}
" t# B2 u9 k: u) u7 W; Q( Z; @?＞0 `: h! G6 V% g8 [+ v: E
$ X) ]* S+ R/ E

! O* V. n! ?0 ?5 E4 w& {* [3 Q　　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。" N# }+ X5 [) B0 B4 E0 D. ], I' |

3 \7 @( |6 c1 N/ W8 T# _/ ^% a9 k5 T: z　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。9 H) s4 c% A: u& E: y
# K4 ~- Y& b2 `1 E5 S
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
4 ?1 J) `* W4 V# [% _0 f+ w* T# ^2 y$ s2 z
　　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？