|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14161
- 金币
- 2371
- 威望
- 1647
- 贡献
- 1319
|
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。 . R* f4 m5 `( I+ P7 l K# B1 k
: y/ f+ ^/ G* S$ P. n. k 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： + Z/ C9 ?8 o c4 i9 N
3 v) x! H& t; ^9 s" |3 C; x
! O- u: F7 k; \+ q* b＜form action=" abstractSRCfrompage.php3" method="post"＞; |+ M+ i; h8 l+ S; Z
输入网址＜input type=text name=filename＞＜br＞
1 L( h1 B0 B8 V9 ]% y; s9 A ＜input type=submit name=submit value="提交"＞+ i9 |, x. T. |9 q! R- v
＜/form＞ ( F) J+ K& h$ n: \6 u! h0 X; V
7 |$ j2 T: i& Z
; |" m' n+ ?- | 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：
7 a& d5 _: u. v3 S
' u5 G9 w+ C2 f2 ^4 A# i# X2 s3 g0 m# A* r# m; P+ l, P
＜?php
) b8 P" a0 |: K' F6 ^if ($filename!=""){
7 w( s1 C4 ?6 K# r0 o$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
, m6 L, Z1 \; B$ X K$ jwhile ($buffer = fgets($fp, 1024)) { O U g+ g" |
$source .=$buffer; }" J+ _9 ~1 a2 G* k- b4 s+ _+ X( n, G3 k
fclose($fp);( L2 ^$ H5 ~# j% V
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记8 i, H- k3 D% g& T' n
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {0 x" X7 K3 E/ ]
echo "找到图片标签:)＜br＞";}, n1 a& ]5 d5 `+ ^- }8 ]
else{
- D0 L! x% s! n8 R8 Jecho "未发现图片标签:(＜br＞";}
5 ]1 a/ @) Q0 ~2 G- P9 Q5 qfile://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，+ W7 M6 {, K% k( g
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);' i0 n: N0 c- q0 c
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";/ ?& r7 x% Y+ Z8 c6 @ |' N: x
for($i=1;$i＜sizeof($splitres);$i++){
! a; `+ H3 h# E5 ]) ofile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;; c# O* o3 A$ p' w: X [) L' `- o- t
unset($imgname); // 再次使用前删除imgname变量；
: i6 z7 o. M& R- W- I) l" e$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
# T* a& \: L# }! l5 eecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息4 ~! f3 M2 H @+ X% g
}' e- r' t" F; R8 {, R m) K% ]
}
- o& U% d" K9 d- \?＞
4 ^& `9 {! A# O, T9 A* s' ~: L. [) I) V
r* G2 d0 |( W/ \0 i 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
1 w1 ^6 o' o) S7 }! }3 h v# m2 C! V! @4 M, W
其中函式sizeof($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。
, ]: j: j3 q3 {) Z5 M; L* o1 S+ m: r+ c% M- r0 N' y
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。
6 A& K4 c! O4 y) I7 I- B$ Z8 o3 i" ]% n! m/ B. ] C
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
| 