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。  + _* b' z5 O+ s9 i8 a" s

# L. v! U1 Q1 J# K9 l# g2 A　　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：
% ]! @0 B. @( J" g/ b) [$ C3 ]5 E' v5 A' D- v  R5 y+ Q
: F$ [. F3 u  _; M" [( }  n
＜form action=" abstractSRCfrompage.php3" method="post"＞6 a1 L  s4 a- _5 Y; z2 ]  K
　　输入网址＜input type=text name=filename＞＜br＞
0 |- k3 y" n  C& Q! a0 P　　＜input type=submit name=submit value="提交"＞
' ]2 K' F; Z" h' Y5 L＜/form＞
. k( D! P  i7 L4 U1 H/ |2 {  m" y. ^& ~+ G

5 k0 v- V+ l$ N0 @0 }# U　　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：" u3 E( V2 d$ V7 j2 _7 |: ~
4 f. Z- Q3 c  W
. t- p' f5 o( M: r2 m2 E$ w
＜?php
/ [0 S  Q0 y+ z' |0 E& xif ($filename!=""){
/ I$ C3 J$ d; \+ A5 u% S, {$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
% l" x9 s# e8 H, kwhile ($buffer = fgets($fp, 1024)) {" [" U' [0 x# @) o% K- Z2 C' G9 M
$source .=$buffer; }4 ^# L4 D: _# v+ s8 I! q; T5 r
fclose($fp);
" q4 F# a( U$ [+ q* B6 Ifile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记, e& \; ?& {& o
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
1 g9 k: |9 B/ recho "找到图片标签:)＜br＞";}
, @  z2 |0 V! f+ E$ L- Qelse{% b' X7 S+ V* I2 E6 j
echo "未发现图片标签:(＜br＞";}5 Q9 ^' H8 e* @* g9 R
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，
1 p" T0 P7 S0 b4 Q5 o- f$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
. p8 [6 d  J5 m& Wecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";, Z: b2 r; |* n8 K6 E$ C, _) D6 t, y
for($i=1;$i＜sizeof($splitres);$i++){3 j2 [& X3 T  g' G0 q
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;& B, t/ J7 m& W6 J1 N
unset($imgname); // 再次使用前删除imgname变量；
7 _( @# `7 }3 O2 M/ C) p9 I* A$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量+ c" ^& R; Y1 x& D% D
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息3 L2 n* B; Q( Z& w, F) g5 D6 m
}
. q; l- `+ X4 I) O8 b( G}
* s6 Q4 s, r! E- H4 I0 U+ j?＞
# D1 E+ h. w$ {. y4 j$ R& ^! M, h$ B+ b! |
% L8 O8 ]5 }, z1 M
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
, @5 T9 F' E7 a# }! y% L$ Y' ^' r% X8 M; V2 x: V
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。& r; z5 o; ^2 v- \: f% v% U0 ]3 S) C
' c2 l( R3 @' q2 x+ N. K) w& [
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
& N5 @0 T2 ?: }1 `* I+ `$ B& ?
7 |; K8 h" L1 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？