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。  
" \2 K* @8 a7 L" O. o! s3 J! Q2 x# L! I: l4 v- N
　　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：
( D! U0 w6 \# z8 f
  O  V4 c4 U5 C7 r5 V2 e" r& X6 a+ \# U2 a1 S' V0 e  b
＜form action=" abstractSRCfrompage.php3" method="post"＞8 D) _* l2 [4 O  J3 f
　　输入网址＜input type=text name=filename＞＜br＞4 e- ^1 |, s& {
　　＜input type=submit name=submit value="提交"＞( R: B8 H3 `9 @2 X5 C7 E( Q! r
＜/form＞
7 d) d6 K( A( f1 @6 l6 `3 q2 {( I
9 [3 x$ V: T6 F6 L( C* U  v/ ?# g* F0 l5 }; b2 }
　　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：2 t5 w0 T/ k& n4 i1 F) v! b

9 @+ M; Q" T& T& d: Y( M: B% H1 n0 S/ ~
＜?php9 z3 j9 _8 \: Z8 V
if ($filename!=""){, Q3 k6 G; A( A# ^  p2 Z3 P
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
: m/ Q: O2 ]) k  S* D: l# z" e+ D/ Xwhile ($buffer = fgets($fp, 1024)) {* k4 i8 N: b/ {4 X& I
$source .=$buffer; }; C$ ^" ~1 U  @' o
fclose($fp);
1 R( L  ^! n, G* Gfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记; @9 O" {  F8 Z" y0 ]
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
0 d+ J8 x* C" u" `/ N5 v+ H* Cecho "找到图片标签:)＜br＞";}1 e7 Y& _: E' [# z" z% z, a, @' H% E
else{: y: I7 K8 g: n# g: T7 U! \
echo "未发现图片标签:(＜br＞";}
9 K5 o, C5 w, Vfile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
& z* V' A2 @2 j* K% k' u$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
# l- x* s$ _( v0 y& B4 H; o$ Aecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";0 P- P1 F. V/ E5 V, {" w. c
for($i=1;$i＜sizeof($splitres);$i++){" a  Z7 u- \7 {" t/ g0 ?# u# y
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
: a- ^, r" \+ r& ]% a" N( r. vunset($imgname); // 再次使用前删除imgname变量；
+ y7 \6 r0 L$ F7 c& T, a: O$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
4 Q- B' o# R7 Y2 Q+ Z/ h2 Mecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息8 Z0 N" D+ L$ Z) w2 U' }! l
}) F3 C2 E5 l3 U& B- F9 P
}
4 L, a# a: m% D$ l. a4 q' G! C?＞
+ V5 L5 |$ b$ }9 g* I6 h; ?# [% w: m( }" S( D

3 K; I: }' z8 @  t  B4 e0 Y　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。1 ?# [" W; w8 |7 f  J8 n
! J6 H. k& ^' c& l7 ^+ S4 f
　　其中函式sizeof($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。
; Q" U3 s, y; V' B/ ^6 O" S) V# R5 z6 K+ Z+ M6 n6 J1 u
　　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。& o" |$ l! q' v! g; J# ~7 A+ y
, q( h, p4 r9 J( G* O1 F( 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？