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。  + y% c$ B0 P+ M& x- K

( l6 X2 |3 s8 ]) n) ], X　　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：
/ B& X2 Q- f, e' U$ X% Q. s! f
: U9 l. z6 a% r$ r0 n; \! Y) U4 s0 W3 b8 }$ {: D: L+ J0 ^# E
＜form action=" abstractSRCfrompage.php3" method="post"＞5 l1 ~$ n1 Y6 V5 ]+ [$ y" }; K
　　输入网址＜input type=text name=filename＞＜br＞, L: B! B3 \: d7 K
　　＜input type=submit name=submit value="提交"＞9 O( T9 ?' @! `/ [$ [
＜/form＞
- G2 v9 |* u7 H* z" r% n  R& ]* ?( X- B4 {& {
* \, T2 ~, c4 J5 I5 d( Z$ w
　　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：
- u2 c/ ^, P! p) F# i7 N
; ?* A) t" u& H! z6 g6 @8 X' D4 {- o1 h. c9 w/ m! e+ u& E3 |& `* m/ k
＜?php: \# h; }; b* L2 l9 {: Z
if ($filename!=""){
+ r& R+ W) h6 M. y% d' C$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
  m3 X: Q' T" K8 t& X$ e8 Uwhile ($buffer = fgets($fp, 1024)) {+ G, f' ~* ]6 P% D- K- a
$source .=$buffer; }
* {; H$ r, m, M. I6 Lfclose($fp);
+ r& }5 T' X- U8 c" Qfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记5 y& f* `9 p% h3 d( Z' a
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {, P! r% u9 C3 R8 C* x" _6 k
echo "找到图片标签:)＜br＞";}- q& J2 Q) @8 o6 R' k- ?* o. t
else{
7 u7 T4 Y% u% ~1 j5 Vecho "未发现图片标签:(＜br＞";}
, y, h/ ?# U1 Rfile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，4 T( K4 w$ N1 _- W0 \/ d5 x; B
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
1 s1 p6 p0 c: o2 G( H; vecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";8 Q4 f0 T8 ~  f1 I  `. q
for($i=1;$i＜sizeof($splitres);$i++){
7 n* @/ ~+ j1 [* i2 f: p! Ufile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;; \$ M; ]% W6 d& e2 ^$ k, z
unset($imgname); // 再次使用前删除imgname变量；9 c, `6 @" K* c( _( E  J
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
9 v# T3 z/ M, X5 W; \7 yecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
1 ~) l" O4 d; i; D& Z! e  A}
- U1 p% C: l9 `( K% V}& E( F! _5 @# _9 P" T* G( N
?＞
+ a: C/ h  m% x$ F! c
! A! a. H! v3 ^" A& U" ^6 ^. w+ R1 y4 w8 C+ F0 c2 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。, ]' ]4 K$ m' h- |
/ _) d8 j+ h6 J. u1 U8 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。; D( W' l" W9 F1 n* q: ?

/ M2 {0 u# T& E  {2 y/ i# i* k　　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。) L6 U, c, H' `0 p6 n

. R$ Y& ^0 ]$ T  J  r! F& S, f　　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？