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。  / i1 h9 V) n* _1 _- M
5 o% v0 `( F: W1 T' d
　　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：
' q" b! ~; \! w2 i
/ w! i; I' h" @8 L* m
' Z! x' ~; j9 ^2 z$ {# f3 b0 ~$ p＜form action=" abstractSRCfrompage.php3" method="post"＞, [" k! r5 q$ \0 j/ y
　　输入网址＜input type=text name=filename＞＜br＞
' q% m# T* N6 f8 y　　＜input type=submit name=submit value="提交"＞* z# }1 L% I% P* E
＜/form＞ # J$ |( t& O0 [

" i8 k0 Z' P/ ^* V. {9 u1 q( Z+ ^7 R/ [! @- m( k
　　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：
8 v6 Y" n  T" F! E$ K
+ {& U& l! q: ~- `" }9 q8 ^( ]
7 u, h  x' {; e3 M8 H( h# X1 b# N＜?php
& ?" r5 f& e) |2 S0 Z- Zif ($filename!=""){4 D: A- ~' S  k- I5 M, e% }" T  Y. m& F  b
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；' l* y$ \3 P( v3 L  _
while ($buffer = fgets($fp, 1024)) {# r" l2 n/ a% N8 ]) h& _
$source .=$buffer; }
" o/ a# j4 t  y7 e2 I7 tfclose($fp);3 u8 t/ ~3 R0 [/ j% P
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
' d0 r8 Z/ b- m* a, o8 q8 y5 l, sif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
; Q( ]6 i1 {  yecho "找到图片标签:)＜br＞";}
$ C7 s. i: {- F" u! Welse{: Z% o( Q) d1 s2 C, S1 b
echo "未发现图片标签:(＜br＞";}  b  ^) P, D* e
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，+ a% H! M: k( m$ c2 v- l3 N( J% p  _
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);* ^' B* C& {  N; p
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";% Y! P, y7 ~# C- b/ ?, Y; ]' z
for($i=1;$i＜sizeof($splitres);$i++){. W% }9 Z7 x1 Q: n; L+ K0 x
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;
$ Q+ q& l; K5 Munset($imgname); // 再次使用前删除imgname变量；
3 m5 \3 ~  G8 q4 w3 r! Y$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
9 K) Q7 s* X" i! @  Necho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
: Q1 m& j) y: h0 h}+ G! |+ e8 N% d8 W0 ]: l
}0 E. K( c3 n& K2 ^* K! F8 @
?＞
/ e' |' I5 o/ H$ n) w
8 D" i( j- q5 J8 c
/ A6 c* P' R( q4 ~3 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。6 _$ i8 _2 I2 D+ n
) V5 f8 o7 u2 ~
　　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。' E1 ~* U0 i/ F) ~
* Q7 P8 g" `& e" `- k
　　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。
  @. \8 M1 \# [  ^% F" s3 b& k
7 {6 @0 n0 Z0 q- g& V0 v　　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？