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 K/ q6 v  L, \! p5 G- ^4 w% C6 c/ C6 z
　　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： & A$ ^0 F0 Q- p/ v, t. e) `

- L+ y' N" U' p3 p0 S# D
; w9 ?1 S  N: c7 h6 z＜form action=" abstractSRCfrompage.php3" method="post"＞
+ Q0 i6 c" H: a8 {　　输入网址＜input type=text name=filename＞＜br＞# ~* ~6 b. p& g) k& {' A
　　＜input type=submit name=submit value="提交"＞
1 O8 `/ X; f& c% @6 B＜/form＞ 8 E0 v3 z" {) W8 p2 o
: d: X) m' v( A2 j8 f% G; S- h6 V
/ j+ p4 O' a9 Q0 F) r/ x4 ]  C
　　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：
' I3 o( ]. y5 d, Z, F: {3 _
$ D: M3 t/ B& W/ x" e% a; O) |1 e" c  e
＜?php5 C1 C7 K3 F+ I  `
if ($filename!=""){) ?5 V" N9 I3 Y: y
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；) ?5 G: p: {4 |  z" V
while ($buffer = fgets($fp, 1024)) {
# u- z8 Y0 R' j: v/ B% L$source .=$buffer; }2 T$ ^& |7 }0 l
fclose($fp);
' Z, f- R3 b. T5 f9 n' Y6 Afile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
. ^% G: B- y) |. J3 u, Jif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
3 B  o) ~- j2 [% Fecho "找到图片标签:)＜br＞";}9 {$ B: D$ F1 S2 {+ q3 @) F6 K
else{0 R) k+ c3 _; o& F3 g
echo "未发现图片标签:(＜br＞";}
8 k9 f; _+ g% E! {# x. {2 f) Q( ffile://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，
9 F1 W3 s; w8 w+ A7 g6 q5 {: L$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
  a; _  T( G& l/ f& _echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";" Z8 ~' K& w# D9 }( E2 t* A2 c! n
for($i=1;$i＜sizeof($splitres);$i++){: d( \. o4 p3 \) o7 b# k* d  e
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;! w3 b0 @# T( u% i2 `" `  \' y0 U7 u
unset($imgname); // 再次使用前删除imgname变量；; E+ ^( H; J/ s, |: L: Z- {1 U
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量/ M1 c: A$ ?) x2 J9 }% l
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息& C- s$ Q5 d& N9 y4 H
}/ V# w- g3 Q: s+ ^' }) @
}' A# c; P6 X0 a/ c( G
?＞. U9 O2 @0 v# M. X
9 I5 X: G! T2 s) V3 @6 s9 j
6 Z  x- p! a2 `, T$ G! 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。* v/ A7 L# S* o0 }
; V& d$ @% t4 S) `8 ~
　　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。8 l8 q- \  E) _' {& T
* Z, \5 r+ h! k% x3 I! C' M
　　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。
3 \6 f% J  ^! q* y8 i
5 m' ^5 J& u+ Q; F1 d　　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？