|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14347
- 金币
- 2459
- 威望
- 1647
- 贡献
- 1407
|
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。
, b D7 B7 M5 ~ f' U) a7 a. u1 n* C; o2 ]$ u3 m
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/ ~, Y: s$ T ]2 ^" ?; ~; W, v. W: C6 F' R
* ?& v7 Z# V4 r5 T w. a# E＜form action=" abstractSRCfrompage.php3" method="post"＞/ W! X! V1 L! t$ L( b+ u7 z4 I
输入网址＜input type=text name=filename＞＜br＞7 u3 @2 a$ ~" m
＜input type=submit name=submit value="提交"＞
4 ^6 |5 X4 b' Z＜/form＞
; @; P3 J$ K0 _, q! \
9 J2 A9 z: m5 `) E1 y( j
* ~6 U* |' C2 r9 B' W) D9 ] 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：! V- |1 M% f+ n" Z
T0 C% z& S0 U& R% j
6 U- K8 x; i- V* Y% p" c＜?php
$ O- c6 ^ G% i$ M6 Dif ($filename!=""){* O8 v8 E' H$ w7 \
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；# N1 l2 n$ x, I a9 P% Y
while ($buffer = fgets($fp, 1024)) {
' F7 v) r8 M# W7 J: w$source .=$buffer; }5 ^; w+ S9 q$ P9 r4 w- F& p
fclose($fp);' c: M& r- |) S6 ]* @
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记; j( t$ P6 a# S9 {! D4 h* E
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {" G; C0 k! E9 |
echo "找到图片标签:)＜br＞";}
m$ W3 `: K8 Z- N3 X4 D! a' z. Q) oelse{
: r8 r, _% c2 Q" b% L" cecho "未发现图片标签:(＜br＞";}
& V% ^' [& p. o5 K8 ?) h* |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，
4 r, X" r2 h9 w3 f: {* l$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
% `( u" P0 e& J+ M4 M0 K/ recho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
4 n. T% X' B' s" x- I1 b zfor($i=1;$i＜sizeof($splitres);$i++){: x6 H) l& v# W$ S& S; m
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;
0 H& O* ^) y% }! T/ s2 Funset($imgname); // 再次使用前删除imgname变量；
- p# b8 \) }4 k$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量* {' G0 H4 K0 v6 e: o
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息% T' g Q# X" k
}
* G9 N$ \1 Z. H* B' g7 i ?}; v. x2 }8 \3 }7 v, H
?＞! {0 ^% W/ x% G! ?- c! z" {+ Q
& F4 v* t& N1 V# ?) Q
- Y3 L, n4 A, g/ ]4 r' v2 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
5 ]; N2 n4 o; a9 ^0 @; w. [9 q+ y) r, i9 t' r) ?
其中函式sizeof($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。# d7 p4 S$ U% _! p2 ]7 R, \: \
6 Z i" P3 V* }2 z+ Q8 m" A
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。
y* U5 i$ B7 h. r+ s6 P v' r6 E
! L! ` l" W [& o% ` 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？ |
|
发表于 2008-1-19 23:31
| 