|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14249
- 金币
- 2415
- 威望
- 1647
- 贡献
- 1363
|
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。
5 i s6 A: E6 z. b* E. f1 o; D2 D& J/ G& O2 M, N4 I, i
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： 8 @0 |( q% q& Q, {# f9 P
4 P& C2 `: }' H; D, y. H# j
0 o. d+ P4 k% g& M, Q1 f) C, c: A& t＜form action=" abstractSRCfrompage.php3" method="post"＞" X% U$ O) h7 B
输入网址＜input type=text name=filename＞＜br＞
* r4 f$ z- \9 D" ]% b ＜input type=submit name=submit value="提交"＞
# U* u3 |7 _7 C$ e＜/form＞
7 S$ w, z% t3 K$ Y. i4 @6 c; |7 o* @
- a1 c9 O, u" U) {! k, R. m& w
3 n+ ?5 r8 O0 G+ ]& _ 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：0 G& x8 E' d$ o) `. ~
- J; b/ s6 z: v! L+ N3 A
5 T% k% m8 c) J( R
＜?php
, } O7 f7 o Q3 v5 C4 qif ($filename!=""){: Q3 U8 M* ^+ P" Z
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
" O# s7 h. ~9 K7 owhile ($buffer = fgets($fp, 1024)) {
% T0 H0 l6 _' M9 e" ], V- y$source .=$buffer; } q9 h7 q7 r# |# a' H. H& a
fclose($fp);. Y4 S) s. \5 w% a4 U
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
" |: [. u' H$ |. a* v# zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
- ?2 N7 A) [% w& ]1 T: L9 pecho "找到图片标签:)＜br＞";}0 k8 s; Y; M5 [
else{) v% {* K8 y ]0 P h' s; w
echo "未发现图片标签:(＜br＞";}4 r3 ?: ]9 F$ j
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，
: w) o, i7 T8 `1 l X7 p$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
/ m' [# Y) D* v% |2 Wecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
M9 k- j8 Q5 Lfor($i=1;$i＜sizeof($splitres);$i++){8 T" I. N, f) n/ V/ K! [
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;6 U5 v- g' k. A0 l% T. r% R
unset($imgname); // 再次使用前删除imgname变量；+ b4 z" e" [; @5 u& P
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量- f+ H( C3 o$ s' J/ O
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息1 s5 d2 N- ]# Y5 |, F
}
8 J3 l! p* m8 B" d}
1 U- T- _' ~3 f5 N5 O' T2 I?＞$ o N& U, p7 ?/ F' X
, B9 Q/ f2 U/ \
, k: ]& K K; X. j 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。; ^2 a b7 D* ^$ q. e. N
- l! _5 g1 `6 b: y 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。( g6 p7 u* ?' x) J8 j3 O! y
* p: G1 ~- U) a) u) e 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。
' B, f, O |! b u' I. ~3 U7 t8 W2 J: ]1 {1 o
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？ |
|
发表于 2008-1-19 23:31
| 