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 E! D0 I3 l+ ^) |

* T: Z# ?; R. y　　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： * U' p. y3 X$ g$ w8 a

; A3 @- s3 t8 z# _% s
1 Y. n: p% x$ U＜form action=" abstractSRCfrompage.php3" method="post"＞
4 s7 G6 X: k5 K1 x! C　　输入网址＜input type=text name=filename＞＜br＞1 \& a4 v5 ~8 t# B
　　＜input type=submit name=submit value="提交"＞
; ~! ]8 ]# {3 l0 W＜/form＞
2 ]# Z1 a5 K, s) \' E! k! }, r' ~( N% K6 ~# a1 N4 H
8 a' A! k2 _" K& b# [7 n+ y4 `5 g
　　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：
; h) s0 _5 L. ]5 M# e$ `% d5 x) b1 F2 B- `: [

# ]9 \/ G8 Z: v5 v" Z* H＜?php; H) o: S; C8 L  T# n; d1 o# t
if ($filename!=""){3 t% R2 H* u* L0 t. L6 Q
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；2 X8 }3 [: m# r" s: p' O& [
while ($buffer = fgets($fp, 1024)) {2 R- H# t" u! v; S. d2 @4 R8 r$ e
$source .=$buffer; }+ D9 O" Q" X3 y% P+ `& e1 o, s
fclose($fp);
1 X" D, X! ^2 z/ n% `( Ifile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记3 c5 Z  U" t0 v
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {- h0 }; N& T! i: ~1 g& s8 T2 U
echo "找到图片标签:)＜br＞";}
& Q4 l  e! o/ j$ P6 U9 A7 \else{
  n9 D4 D& e5 d% Y$ X8 z- Uecho "未发现图片标签:(＜br＞";}. V4 T+ _! B& H" w; ~; x0 \& ?
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，
) f3 _5 m2 s* v$ c; g. d# t$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);" E, o6 M4 H& f: X4 E1 X8 ^
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
* q4 v& K1 U$ w) Z7 Q8 ?4 sfor($i=1;$i＜sizeof($splitres);$i++){8 U1 C( E% o" u4 i" A
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;
' v, z' P: I5 _2 I# [unset($imgname); // 再次使用前删除imgname变量；: u: ^* p2 ^* C/ [6 V4 ^4 R6 |' N
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量' d8 K( T, i7 _- \4 \. y, h
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
- n; V4 k) D( ]}. m, k3 Q, Z# e$ H4 q
}6 u" A) X( C% f
?＞8 e3 D  l; A/ S& e0 S+ q6 H- e
( r& s3 P4 H" @% H  O0 r
4 u8 G% @1 }2 J/ h: w% 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
" N8 @/ ^# l8 F: U: H
7 L( E- r: v! X, ^　　其中函式sizeof($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。
. o& g+ k! e% `( V( @" Y" ~8 Z  q% D$ 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。" v8 v' J* h6 n* K; q, g% @
2 t+ F" i6 [7 i# A' E. L
　　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？