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。  * s" ]1 J1 P5 Z$ n6 M& r
% G0 I0 @" Y; P  B" j/ |
　　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： 3 H7 k, j) ^( Z2 F5 I+ O

1 B& I! P; H$ L0 A1 o! K7 O+ y; ?' L! M" s3 l2 S
＜form action=" abstractSRCfrompage.php3" method="post"＞
+ C. L# q4 f3 N/ k/ U+ w' \2 Y8 t4 T  C　　输入网址＜input type=text name=filename＞＜br＞
5 O2 {: B" ^5 F7 ~　　＜input type=submit name=submit value="提交"＞( U( f$ r, w& _& H1 d6 y
＜/form＞ ) O1 J6 H5 y8 V" O8 K; ~

% U! `0 s8 b6 }& z( l
8 n; g( Q  M, i( j+ Y/ ^　　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：
) H, t% ]& m3 Y; c5 [
1 _" t! v* d& g, t" a& E
* G, A0 b/ f' u; X＜?php
3 |* I6 [3 B0 V# u4 a& b, I. _. Qif ($filename!=""){0 U6 o; v( M3 b$ R# e8 f/ e/ x
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；3 W% n# ^- Z! D; U# _
while ($buffer = fgets($fp, 1024)) {1 A" O$ c/ L/ B6 j+ }
$source .=$buffer; }: `" [1 n0 z4 Z8 q5 I# Y
fclose($fp);
9 D7 J/ O4 A' c8 Xfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
' P. O# I7 |+ c) ^if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {3 h+ O6 V1 N  s' U. `2 W5 R
echo "找到图片标签:)＜br＞";}
1 P- ?1 s% K. z3 z4 Helse{7 U! ?( a6 t( l. D
echo "未发现图片标签:(＜br＞";}
0 P8 [2 p0 r$ v2 y4 Y8 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，& Q1 o" e+ T7 u
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
" |, V# q7 i3 j5 ^9 g( pecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";2 F) E$ m6 i& y' z$ _
for($i=1;$i＜sizeof($splitres);$i++){
. v$ }7 L+ r) Y# r& A1 rfile://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;: v/ l: a( G4 `! E; k* N# s9 b
unset($imgname); // 再次使用前删除imgname变量；, g* t; \; U: ]+ L. M0 v. ~/ P* L
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量% X0 @4 H# u  n0 X  s$ z
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息# t8 ]- _" D: }' x) o) q
}
4 E; A$ P- j* Q3 Z6 T# X5 n9 J3 J}6 q+ y( V7 L  t: S1 L2 N# I& T
?＞
  X  ^2 `- G1 ^2 U  r
4 X' N- Z0 v: P1 E. E3 ~
4 D9 z! N) L0 V6 z2 U　　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。- [. U# `9 }/ s( B0 v9 n2 o

; k) U) h6 ?/ }) S% Z( O5 ^% r　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
, H9 N2 I$ r/ Y3 S2 K! Y
) [( P+ w" o2 F& v4 X4 T　　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。
# P9 g; \( c: x; o& C  n& 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？