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。  0 g# Y+ X# P1 `% f2 Y4 e* F

; o( s% K! m! O　　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： ; J) L0 `8 I# c, Y- \: L7 `

5 W$ e8 I. [; a6 _5 D' ~3 e
% z: r& l/ @- n' q% d; s2 {+ M＜form action=" abstractSRCfrompage.php3" method="post"＞4 }% T; m+ H- `9 J) V- J- t. t4 M  j  k
　　输入网址＜input type=text name=filename＞＜br＞" a$ b& h5 l$ i9 Q4 I* h3 k" k
　　＜input type=submit name=submit value="提交"＞
3 i8 J$ l$ O% L＜/form＞ + d8 s; N0 w) ]6 u
) x0 M# T2 r: T& ]  U
0 a9 Z( c8 `) \0 a7 j1 \3 R6 D6 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：
% r; j* l  T9 X! K1 i; n% D
1 ~+ @% [* X! y+ w$ W4 J/ x' q, B. |2 r; U7 S
＜?php% W: B/ @1 x, |( W/ b. J
if ($filename!=""){" X! k% ]+ E) C; k9 J5 l
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；  d2 D; l" T( W$ Q8 r1 x
while ($buffer = fgets($fp, 1024)) {
& v  M' h3 D7 k( V" n$ B$source .=$buffer; }
  O( L1 c6 `( K; f$ r# `0 Pfclose($fp);
( z* K9 x9 M6 B# wfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
* l3 z' {4 f* |5 H0 eif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {/ v, E: I  I& `
echo "找到图片标签:)＜br＞";}- a& u9 {  L$ e* v' O( s) s, e
else{
3 ~; W3 D3 w$ k) T4 b  }  G8 n8 m; vecho "未发现图片标签:(＜br＞";}
  ~0 U& K: R( P5 C% j6 _8 v. [1 sfile://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，
) I0 W& \' J( j$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);& L4 ?7 v. |9 x3 w5 d5 d; s
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";- o: k& @/ q+ q7 ^# ~
for($i=1;$i＜sizeof($splitres);$i++){
! F* R  g  _% H( jfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
! m* A, E5 E8 G! t2 P5 w3 N/ V1 j; p8 Ounset($imgname); // 再次使用前删除imgname变量；
. L" c8 @; z2 ]9 w3 J9 U1 t$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
; X5 @, |( o# eecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
, ^, h$ Z: J; p) F}
6 u' T' ^3 L& {  s& O% ^- G}
* x9 \' u! ?* b" }& [: w% X8 }3 G?＞
/ [3 w" C8 D4 i' N: O6 C) Q4 K9 F( Q! T5 Y
3 V( F+ l' w5 q1 B% 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
# x+ e4 t) h3 |1 t
' F5 B4 h! |9 M6 T. S　　其中函式sizeof($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。  e6 H, e! c; V2 O- a9 X! j

6 I6 G/ |! s# m( u) }5 ?4 r! A1 z　　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。8 F# U! \% |; X

+ W! n- U" Z% k9 ^; M0 A& [　　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？