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。  
3 I4 p) C! T# |& }, g) R9 E. I* y: X( H5 h6 X6 @# m0 b# p2 b
　　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：
8 q+ c! j& C! D' Z+ W2 @
% ~; e* e( q/ _" w3 J
6 W2 ]# H$ J6 n" @6 v8 x7 j9 T＜form action=" abstractSRCfrompage.php3" method="post"＞1 c+ a+ w6 D5 \
　　输入网址＜input type=text name=filename＞＜br＞
* W  R% a3 H2 v　　＜input type=submit name=submit value="提交"＞8 a- c" R( {+ Q, P2 K
＜/form＞
/ u5 P# P* h. s$ M  [  ?7 V
. l1 N2 Q7 o  V: R1 \; ?6 k$ C! O5 v
, w& @1 V' |% r0 f5 d! l5 F  Q" A　　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：1 X/ h: F% f/ a6 k3 @5 q) ?

9 o. {/ `' A9 @) w7 r- X# V7 L6 K3 [8 ?
＜?php4 {# e% H5 o1 S
if ($filename!=""){; l- Q4 r7 G* `% @* o; w
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
' w; n: m  `2 |while ($buffer = fgets($fp, 1024)) {
0 y! j# V; n# a2 H. u$source .=$buffer; }5 `3 a9 ?4 I5 d/ x* J
fclose($fp);/ M6 p" V0 W# q- g4 |
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记; L! k( M( h: o0 g: q) q7 e" z
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {5 y( Z: z2 i% P# W" y' g
echo "找到图片标签:)＜br＞";}
9 o( T$ X. J) U1 delse{& T& q: \" h" @2 q; ~# b0 m
echo "未发现图片标签:(＜br＞";}( u; W! \" ~: v* N( g% u
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 k7 g) ^  S* o/ T
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
- j" F7 A# g, o1 h1 w; U4 _  f& L/ I) `echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";% K4 |; E) m" ?3 Q5 l
for($i=1;$i＜sizeof($splitres);$i++){
! g& W' i/ Q6 @file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;+ W3 j$ j7 F0 g# o
unset($imgname); // 再次使用前删除imgname变量；
4 c7 h  w, \/ r5 l4 x; v! `$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量/ a$ }+ P- ?' M+ n
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息3 I6 S+ m2 Q3 B# N- c& h
}
! h/ j% [2 d! |5 U# E0 R* C}
" ^) Q  I- S: m' V8 p  _0 I5 a?＞- x) c0 f9 G, M3 a- N/ g6 P5 U4 ]9 e

+ w: d% ]  s. o, g7 E* ~: t! h9 `, T9 O* p0 [
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
5 v) ~# q/ G$ ~6 S( e# Z$ D- a
) L3 x& C0 p5 [6 N- v& o+ M  \' a　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。4 A' z1 N8 M  f5 J: C6 p) n6 x
( o! B) a1 ^; \7 f
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
4 r/ u& L3 F0 S% A
% c+ g2 Z& S5 L8 Y$ ?　　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？