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。  
, f* w  l3 ]) W9 G0 u1 D
( N" `5 Z/ N6 X. }4 S( T9 ]: U/ e　　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： ' O- Z5 ~2 ~# W" M- p$ R
* D9 h4 @" Z" i7 s7 |: B, K6 g. ]

% Y$ p' x4 _0 l/ M+ E1 O＜form action=" abstractSRCfrompage.php3" method="post"＞
0 z* ~5 b5 W) X* `! x  {　　输入网址＜input type=text name=filename＞＜br＞
7 a; x" k( Z! L5 g, Z3 ~! _　　＜input type=submit name=submit value="提交"＞
+ }6 p/ A: Z" ~, _＜/form＞ $ H) L$ O6 V- O  S7 \* a+ U5 [. n6 i

6 U- H' P0 r. Y) \! _% N) d
1 c2 \7 d( R3 x" x, }3 h+ @　　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：/ n- S2 ?1 G5 }' u/ m8 W( `! F

& z0 e4 N- ?! v- s9 b% A+ U0 e  K- l( ~" ]$ v/ Y+ W
＜?php
( t9 I4 {; A) r0 R8 e/ C5 Oif ($filename!=""){; E; B) R1 i7 }5 O
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
6 x2 Z6 x2 |1 C! r" l/ ?( f& mwhile ($buffer = fgets($fp, 1024)) {
4 I+ m, \) z; Q# p% Q( }- o$source .=$buffer; }! \& F' E5 [3 P6 s3 M: B
fclose($fp);5 ^+ w3 v  }& z( I% V2 d+ o
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记' h# L, @8 `# O* V& Q/ b2 O
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {5 h( O, D+ x9 B: y8 H
echo "找到图片标签:)＜br＞";}
5 X6 O" m* a9 W: }2 Q& Nelse{5 Q5 [8 E% ~8 Z; Z
echo "未发现图片标签:(＜br＞";}
+ r& S9 h2 Z$ I% o/ ofile://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，! q* C$ U3 j8 @  H) p% t
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);2 ^- M% \- u1 Z9 d3 w8 J$ }9 `
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";" O; ]5 X2 S. h! b( h4 C& g
for($i=1;$i＜sizeof($splitres);$i++){5 Q% V1 J; \" X- @2 d0 D
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;# Z5 f) P$ P" K/ X
unset($imgname); // 再次使用前删除imgname变量；) `# N/ G: u% z% v- ~/ P8 j
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量1 ~9 B- e  |5 Y
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息% ]8 \; n6 d4 S3 @
}6 \8 O! V( i1 |& l* t! D: \# {" n* x* j
}* C+ [% D/ k9 B8 b1 b3 }) w) g
?＞
/ b0 K4 a; s: J/ L7 B9 y# y0 a
; A1 x# v$ U2 p" ~: H& m7 i
( F8 P4 o4 ^1 k- L! l　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。. P" c( z/ Z; i- r6 y% t
; ~" n0 Q7 X  j" Y( l5 z) T) {- k
　　其中函式sizeof($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。
( E& h# d4 D( O0 j) B& f5 A+ v' T0 X" B6 F6 l' k0 X
　　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。/ P; }. w1 l- {' z% H

% s2 c' J7 n# I" |6 J$ 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？