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。  
5 I) D& f2 ~# e3 z5 H) l* x. h) ^. i6 |" N) q7 B
　　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： ( T/ p- M6 F0 E3 l# o  l( N
4 R% w7 f) d( S% F% H! T

) a( K: E) g6 x- l- j& A3 \2 C( A＜form action=" abstractSRCfrompage.php3" method="post"＞* g! Z/ A* S4 t5 q
　　输入网址＜input type=text name=filename＞＜br＞
( K4 f2 i/ Z9 v5 R6 K. H  F　　＜input type=submit name=submit value="提交"＞4 @4 @* c8 w) f+ |) O
＜/form＞
. Y& Y* t. s; y0 Y, k  s
) t& V$ @; G+ N6 _2 I5 }+ ?' b" U5 e! z9 f# G0 S! m, f: 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：/ j0 A% X' p1 z; M

( [2 l3 t, |3 g, V: B: D# g* C) L( H' T3 U
＜?php3 N/ G. T- X/ ~4 n' H$ Q
if ($filename!=""){
# F+ k" e- Y1 V% ]3 J$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
" a6 X7 ]( e2 I  `while ($buffer = fgets($fp, 1024)) {
& \- l/ [9 A/ r$source .=$buffer; }0 B$ u: x5 Z" `0 P1 W- ^
fclose($fp);
3 b" A( t* G  g# w( dfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记  `' K5 `: [* B/ n) d
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {% b( o/ T. u6 p6 M. G% @  @& v4 {
echo "找到图片标签:)＜br＞";}- g' C' k$ C$ |+ O# I
else{5 F$ _+ @! S4 l( {
echo "未发现图片标签:(＜br＞";}  u0 f/ D7 J" x  e0 X
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，- l* W) v; b( J$ |* e
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);% ]" E; f( G. f! H, U6 J  x
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
- j: d( |" W4 K1 T; cfor($i=1;$i＜sizeof($splitres);$i++){
6 m1 [4 r  I! u& Cfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;' `$ ]1 z& y- _8 g  O+ v0 L
unset($imgname); // 再次使用前删除imgname变量；
$ j( {) {; Y) P% k4 `6 S0 H' M$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量% H$ s1 r, V( I# X
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息$ x; n* d( b3 F  [% `
}/ t/ O2 D1 q) R) U
}+ b! ]( s' y6 ]" o9 y" \( g! l
?＞
, m% j) m6 E! S1 a5 @" P5 @
+ I+ @! R- k' l6 k! d3 X$ X. E" d, O' D- M  m" b) n
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。) S7 t8 o& X9 L% S# k8 Y# M0 d2 E
1 M6 F. K4 K3 [: }$ w/ r5 a
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
: N; J( m$ R: f; r0 g
) x/ B) U1 ~1 z1 }8 L　　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 `! @; x( G0 J6 b/ k/ b, p; Z1 k$ ]/ p8 M0 m% u
　　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？