|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14389
- 金币
- 2480
- 威望
- 1647
- 贡献
- 1428
|
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。
) f& E/ c6 q' L& o) _/ n2 Z: @; V
+ Z6 q p# I0 S, N$ q+ R 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： , h7 {# Q% ?4 l. @1 |
: X4 B4 D8 j. t
: z/ |5 l2 `, V4 @＜form action=" abstractSRCfrompage.php3" method="post"＞; J8 ]1 _2 {+ i/ o/ R: v( P
输入网址＜input type=text name=filename＞＜br＞
" l1 j# H3 ]3 D$ E1 K ＜input type=submit name=submit value="提交"＞
5 h% s) f3 t6 f' I9 a* J; Z0 H＜/form＞
( \+ P0 R! U) I; V) ?( o: h0 e- ] o, E/ t+ @9 X ^
6 A% D% \) ^8 F/ [8 l0 B9 B: [
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：& \( r; U! `: Q
$ p _3 ^0 }0 i9 f6 T( o
- Y( o. d% g8 a2 `1 l
＜?php% s' g" q. \- y1 }
if ($filename!=""){3 R2 I8 Z* t- K0 e5 Z6 H
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
P0 Y& w! P7 ]/ f/ Q* j) xwhile ($buffer = fgets($fp, 1024)) {& t9 p4 e* F1 p9 w2 ?0 P. ]2 {
$source .=$buffer; }2 {! ~* z* C: X' h8 D- \/ q
fclose($fp);
) T' j" K& ^$ Sfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记0 }; f8 h, f" {$ V
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {/ g% M3 E% x/ ^
echo "找到图片标签:)＜br＞";}
/ y8 a- D$ `$ g# s Relse{0 |/ c; a2 u z) T
echo "未发现图片标签:(＜br＞";}3 K, M3 R6 \ i4 H" V% r i4 T" d
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 E* e7 {* y3 B
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
* v" J5 D5 T0 I0 y. Xecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";6 V* V0 p5 }$ N5 i
for($i=1;$i＜sizeof($splitres);$i++){
/ }* t8 f3 m! @4 ]; h2 Pfile://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;
* i2 S( G3 n! ]' g8 Z5 Junset($imgname); // 再次使用前删除imgname变量；
9 E1 d# j" z2 i; P( p8 s6 o$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量( ?& h D; V1 e+ s; t3 j
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
: w& r9 ?4 P$ Y} O# W" Q; j9 A1 j8 H8 k" _* Y
}
6 C! z. I( m# {4 _, L?＞, k4 G* K- Y6 S2 a4 M
; q; m9 a& ? [6 J# g
* _2 f( R; V0 t9 C; \4 M% f! l+ a
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。2 t9 c' W3 ? c& d( j2 @
9 U8 d: m& }7 }+ O- M. | 其中函式sizeof($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。/ ?' c1 L+ {: J
8 y$ u4 W( `; x7 v4 C2 O- C* B6 c 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。
( r9 @5 k1 q. ]& o* T0 Z3 z# _; v! ~. D; ?1 h
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
| 