Html源文件中image标签的析取

HTML, image, 标签

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。

　　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： $ F, g, ?) X; c! S7 D( f% r! F
- U  X* y- [# C7 N( c

＜form action=" abstractSRCfrompage.php3" method="post"＞
　　输入网址＜input type=text name=filename＞＜br＞
　　＜input type=submit name=submit value="提交"＞. Z1 g5 o2 M( F* P
＜/form＞ $ L7 a$ m% J7 W

! C& \0 v4 g) x! g! T/ C2 f
　　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：

% V  A$ Q* c' N! G: Y' ^
＜?php# ]: g9 T$ R$ q5 `' E8 t
if ($filename!=""){2 w# b; _3 A9 }! Z
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
while ($buffer = fgets($fp, 1024)) {
$source .=$buffer; }
fclose($fp);
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞这样的标记
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {5 R" S- R' Y, H
echo "找到图片标签:)＜br＞";}
else{
echo "未发现图片标签:(＜br＞";}
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，5 g5 w# s4 n! M* ?( S5 h% R# f
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
for($i=1;$i＜sizeof($splitres);$i++){
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;4 D3 A- t- D% O1 \
unset($imgname); // 再次使用前删除imgname变量；
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息4 n( ^4 D5 V- g, h0 ^  c, n( L0 E
}2 p% \1 E5 T& T9 S! H6 ]4 N9 b
}
?＞: }  m, c/ b" t& Z
, s: C* d. t& a" 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。

　　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。

　　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。5 l/ ~) N8 i. M: _: _7 y$ l  [8 J2 W+ h
# l$ E- V; W  z9 G
　　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？

捌玖网络 89w.org----致力于站长学习交流

返回列表

Html源文件中image标签的析取

[收藏此主题] [关注此主题的新回复]

[通过 QQ、MSN 分享给朋友]