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。  ) V' n9 D+ V/ Z, B( L( [
* _3 M+ Y, _. _4 A5 {" X
　　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：
# {' B  q8 ~- u$ ]1 c. [& D

＜form action=" abstractSRCfrompage.php3" method="post"＞; {+ g$ X* J  w1 W1 Y; @, {6 \/ V
　　输入网址＜input type=text name=filename＞＜br＞
　　＜input type=submit name=submit value="提交"＞# k3 I; V' c  x7 k
＜/form＞
9 K: S2 }4 t# T9 |

　　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 _7 t$ T: d  \
$ n' U& L9 L7 L9 X7 a
0 G( \( t1 O% z0 x& o. r
＜?php
if ($filename!=""){
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；# d5 z  j8 f3 F4 c7 F3 L
while ($buffer = fgets($fp, 1024)) {
$source .=$buffer; }4 q% @0 Y& |3 L% g# V5 x7 ?
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)) {
echo "找到图片标签:)＜br＞";}
else{# l2 C* I+ Y' ~; T; l4 W) E
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，
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
for($i=1;$i＜sizeof($splitres);$i++){
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;' u* d3 y( b7 ]1 r
unset($imgname); // 再次使用前删除imgname变量；
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量: B/ u& A. D5 P, p& c
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
}
}
?＞
* F3 U; V3 L, Z& `% \& b; p

　　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。
1 g9 ]" F1 ~7 P* r
　　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。: |+ E9 W6 V2 z) e  z# c% g3 w6 [

　　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]