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。  
1 N5 m6 J, l, a, T$ n
( @' k" k! Y* i( V4 g0 O, b- H　　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： : y3 g8 t+ ~" D. D2 j/ h
% M/ I# [7 W5 t6 a, a

& @( t' |) D$ g& J& `＜form action=" abstractSRCfrompage.php3" method="post"＞2 S+ C' A, j/ c5 P6 o
　　输入网址＜input type=text name=filename＞＜br＞0 |2 L$ y& i3 l6 p; h; A2 U
　　＜input type=submit name=submit value="提交"＞
5 e' c, h6 O6 B' M# u1 R$ |+ [. t＜/form＞
0 j# D, B2 Y* o+ s! G4 W" X1 Q2 A5 A
3 N8 ^; H: t0 Z1 ~; r8 N" ^6 C! U! O7 r
　　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：" X; j; V. a* d- P7 w

4 X, @8 s2 I4 w' o8 K+ H+ v9 n
/ e1 f, N' @; i1 b5 w＜?php
2 g" R9 S* y9 |8 o  E: gif ($filename!=""){
% _! \1 c. O5 t/ W$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；2 `: F7 L2 e; B7 g8 a  Y6 L
while ($buffer = fgets($fp, 1024)) {
( l% A( Q- ^0 i7 m* y5 Z1 `7 i$source .=$buffer; }3 W; ?2 g0 N: y) |" x: R
fclose($fp);* o9 U) ?- V  W
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
, y7 g% d1 ^. z- g' j8 j5 I% bif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {+ w3 w1 j) Q9 T* C
echo "找到图片标签:)＜br＞";}1 D  m& h% [3 K* F+ ^( I: a2 v8 P
else{3 i# J3 b. C2 ^9 Q! w% O: ~
echo "未发现图片标签:(＜br＞";}9 |+ v: B/ q+ z' 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，5 u" Z) B$ R6 M' v$ o2 i$ Z
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
- I  z8 Z1 X! d) e, Gecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";. s' E' G, T3 b- f- ]
for($i=1;$i＜sizeof($splitres);$i++){7 C( k) |; W% D- ?$ A6 r* 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: p; J# V( ~
unset($imgname); // 再次使用前删除imgname变量；, o: D( y* `: X
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
& u, J( b0 b' Z  N0 b7 decho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息2 q' u9 \1 I0 H% [( N  w
}* I6 G( P4 b7 G. Z. Z/ R0 g
}3 v1 \! `( e/ C& z; S
?＞
+ P* m6 R: j) }5 d, [) \
) P; H4 \6 W. F1 i- H1 }# f: N, @) y0 }8 c0 i) _2 `4 d1 r
　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。" s# t$ _2 D$ p: z0 m
7 Q( e; d: @4 F8 ]
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。% H' k8 p" T, j  R) m! F, @
- J5 F( t  L$ i. w6 [
　　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。
% f# P1 t, o- ?; U+ q( J9 r
! Y4 k' e% H$ o) `) b　　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？