|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14163
- 金币
- 2372
- 威望
- 1647
- 贡献
- 1320
|
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。 0 G" ~ y6 ^) L/ H6 v# ~% Y$ v6 V
# l. \6 {2 m5 q; o5 N 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 j2 R( I& a$ z" |( m0 D" X# H
; n; K/ D* E5 V' D% a' O
: I B9 V3 ]4 N. ]- c＜form action=" abstractSRCfrompage.php3" method="post"＞3 ?$ I" q" |8 d! X# |- m/ A# r
输入网址＜input type=text name=filename＞＜br＞6 l0 E3 O$ n4 |: i
＜input type=submit name=submit value="提交"＞
/ v' Q! F& o: [4 Y5 s＜/form＞
( h) h8 L0 `' ?' `: J* `* s- Q; o- H1 }7 w. V Q
" K: N! c2 U: Q3 u4 {2 A 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：9 U- e) C2 \ L! t! l
# e- y- y8 u e' ]4 K$ ?" {) ?2 A& T5 U4 u6 y! E
＜?php9 k* o! h; l9 N6 d
if ($filename!=""){
% H2 n: ?5 d. k. u& U5 o3 v$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；5 `) R2 \ l' R) V. W0 ]6 Y: Z# q
while ($buffer = fgets($fp, 1024)) {
+ s6 L1 P) l% H- a: Q$source .=$buffer; }, G! L) U. L+ i/ t* \+ N) b- I" A
fclose($fp);
5 Q" u2 W3 ]7 p" ]file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
( g/ l1 m$ t1 J4 Z: gif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
' A" Y+ c. |; B9 r3 G! a( |$ R$ oecho "找到图片标签:)＜br＞";}
o7 t# N, i# V( Melse{
$ S9 q5 R( l& ~8 {+ K5 Y/ X' decho "未发现图片标签:(＜br＞";}* E+ ~) G+ ]7 J+ `, g! G% s2 ]* F
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，# a9 S! ?, N1 ?/ q" p! i& G. s: W0 \
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);7 E9 A# T" B0 H% V: h- E
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";9 W4 e$ _, G* A6 A9 _
for($i=1;$i＜sizeof($splitres);$i++){& T* ~( i0 C9 I/ P# a/ y
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;7 x: g- z% a- [; B
unset($imgname); // 再次使用前删除imgname变量；: r* v% O4 d& @, P1 J
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量* L; _% f2 q: w% `0 U) O! W6 p. w
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
& K) c5 b' ?: Y+ M! [4 m}
1 L$ J5 e6 e) |7 t, v6 {8 }}
" P- ]6 c7 ^) y* O, s# T1 h?＞
" y' H1 I. q* j( G, p0 T8 z$ n) S; m9 v% w6 M8 @8 S! `
) ~, k7 r e: w6 V# ]0 W 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。! l/ P2 y+ N: f# T; Q* s
" H1 E- H' c0 z1 t* R( ^3 G) z- I6 _& \0 D
其中函式sizeof($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。$ \% t7 d4 l- Z1 ?, m7 Z
# k6 e- G! l+ E 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。7 j6 M+ K2 P2 w [4 Z
! M" c7 F7 o8 x5 R9 ~/ D/ M
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
| 