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。  
) n0 ~2 g9 b; G  |( {, c- ~# C, V* {9 l' R: f+ ~9 w% @2 p8 q3 f
　　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：
9 _6 W+ B; e; A- \
% T. P. p$ b$ ~$ U3 I4 ?
, M. F5 T- |1 W, c2 i＜form action=" abstractSRCfrompage.php3" method="post"＞6 u* p2 u7 K$ f% K
　　输入网址＜input type=text name=filename＞＜br＞7 X: N% M2 P( R; b
　　＜input type=submit name=submit value="提交"＞; T2 F; @+ R8 i7 `. n
＜/form＞ * i: a* b; T: L( I
7 Y: z) b' v; A3 V" R9 }. J! _, V
" D, t+ X# j0 _4 b  j
　　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：, ]& s7 l0 q" u) S% F3 D: e

" z; [/ v; d" B: {
. q- C6 N5 z+ }. V: |＜?php
9 s6 G9 [* P& h4 j7 t9 Q  {if ($filename!=""){
6 a2 E! z: m& }7 q) k/ k$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
. J2 r+ m; V2 n8 y& ywhile ($buffer = fgets($fp, 1024)) {
* ^3 C3 a% A/ i: _$source .=$buffer; }
7 K6 @0 S  U3 b  y  U% wfclose($fp);6 @& s( L" R5 x' u* U
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
/ t+ K' A$ I6 m8 Q2 Bif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {2 C  E0 G3 l/ q; w9 t2 p3 s( F6 W
echo "找到图片标签:)＜br＞";}* n2 b$ m7 H+ W- k8 J4 q
else{
) j" {1 j( R* g* G* W9 r" eecho "未发现图片标签:(＜br＞";}( w5 L; M: c7 d9 I
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，
8 {2 @7 O& f0 `' F% V- _% B$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
+ e4 T3 U( t. ^) X% secho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";$ G" [! Z4 `; V2 I2 o  {
for($i=1;$i＜sizeof($splitres);$i++){- s: n2 B+ k4 S* p7 F
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;# a8 C+ H; Y3 a
unset($imgname); // 再次使用前删除imgname变量；) W4 E, Q) w( b
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
0 H# y* V9 _5 M( techo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
4 X+ v# Y. r  q}
9 `$ b* ]7 y7 b}
0 L9 X- v& @) _( U5 M?＞
+ Q; M2 }, l% Y- ?( l1 C5 u* ]
/ F) Z3 g. F5 W9 {9 C! k# o( \8 q2 L- F6 Q/ U( L# 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
& ]4 i. G1 O# M. V# L* o
& l/ W5 B; }) v0 G- ^5 c. z# l　　其中函式sizeof($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。
. |: m  n& X6 t6 X6 B' {
' t8 ~! z7 h1 V5 C$ G6 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。+ g6 o* w) D5 h) k# ~; w! L5 [
1 R6 r; D6 h8 r" t
　　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？