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。  ! {" g, O9 F1 k9 r
4 m8 S; l- f# {* _9 y8 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： 0 P% p! o$ U9 F' P# Q" {2 R

% p1 U9 h! `  a
5 @# r. i/ n3 S# I0 y＜form action=" abstractSRCfrompage.php3" method="post"＞# ?' t: Z' X1 W( q' T
　　输入网址＜input type=text name=filename＞＜br＞0 [6 c1 ?* o& [; _8 z% S4 g' ~1 W
　　＜input type=submit name=submit value="提交"＞
& F2 s6 w- t8 p4 B＜/form＞ . L) \7 M  L9 s7 l

+ o$ _* y- @; @+ Z. b4 e( N" 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：* M+ o( p: \: n2 v2 {4 d

# X: ^" f- J6 b3 H' u5 {/ C9 w+ Q1 O- u( W$ N; H- e2 T
＜?php; u$ [+ H! [! r5 w# G" @7 Z, a$ ~
if ($filename!=""){* ]5 \" F& S3 v/ |; L
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
2 b" N3 W! _9 y  m' Y; ?, A3 D0 N: Hwhile ($buffer = fgets($fp, 1024)) {
. [2 ]0 J4 v! r6 p( Z$source .=$buffer; }4 }5 L* w# l0 u1 Q  R& Q7 a
fclose($fp);
& Y4 w5 ?, u' m& B6 S, @8 ufile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记* i8 I1 t5 A- z+ i) o+ x4 M% ^; j
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
; F+ d1 u, \2 U, }echo "找到图片标签:)＜br＞";}9 v, \/ F4 _! K- L) P( R4 r
else{
+ N/ p# G% W4 m8 J% }- Uecho "未发现图片标签:(＜br＞";}
% Z" L. u6 K" `8 kfile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
4 c+ P$ ~+ L( Q5 x* f% `2 n$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
: q+ j% S7 z+ H/ F9 R0 {3 Vecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";# o$ ?( k4 a3 N3 B+ `' h2 H5 w
for($i=1;$i＜sizeof($splitres);$i++){
1 i  t, v& k8 f4 kfile://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;; T/ y# |/ a- o1 c
unset($imgname); // 再次使用前删除imgname变量；
( b( a& @+ D1 Q5 V4 d$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量0 \8 R& Z7 y& }/ J, I0 S
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
+ v; U* `* @( v/ E$ _- Y* t4 c}" D" d" V! @+ o2 k" S$ J
}1 b; {  P  e: b. O7 x3 @
?＞! j8 s: v5 f; W2 D, |4 v5 _: f
; h6 r+ q% i0 b/ F& b

( N* v' k+ m. @- T3 N　　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。9 V! w5 p% b* j; j7 F

  P* V/ d* k& F" e1 z/ f# s/ U% b　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。6 i$ Z) h3 t5 Q, O' l  ~* s
! l7 M2 x& p* ]8 O& n
　　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。
$ v) O: @% W& r6 H! |7 l
% E; G/ p5 ?9 |0 t2 u　　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？