Html源文件中image标签的析取

HTML, image, 标签

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。

　　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：

＜form action=" abstractSRCfrompage.php3" method="post"＞8 r4 h/ `0 V9 z% b
　　输入网址＜input type=text name=filename＞＜br＞
　　＜input type=submit name=submit value="提交"＞
＜/form＞
' Q5 H" F+ c1 G: o

　　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：! [5 G9 B7 @) O* c8 u- E4 ?

5 f5 K3 I. Y  M
＜?php. T* n* ~& f, N9 q/ m
if ($filename!=""){" N* E) C% S+ n$ Q" V  f: w
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；; N; C: {- d3 X3 v. N/ u
while ($buffer = fgets($fp, 1024)) {
$source .=$buffer; }
fclose($fp);
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞这样的标记' a! o5 A" \* j; B
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {, y4 T( q. ^8 z6 p/ C" f" q
echo "找到图片标签:)＜br＞";}
else{" S8 Q- ]" w5 t+ M1 p  ]
echo "未发现图片标签:(＜br＞";}
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，& \9 F7 f  {+ B$ L9 v9 u
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";' ]0 x# j: y% c) Q
for($i=1;$i＜sizeof($splitres);$i++){
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;) K4 o1 i2 G. s/ I
unset($imgname); // 再次使用前删除imgname变量；
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息( b' }3 N1 j' \0 ~# I3 U
}
}0 B, P2 h0 }, B5 X  |8 ~9 l
?＞

　　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$source中是否含有＜img ...src=".../...gif | jpg"＞这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。7 A$ r$ C5 B! }* N7 W
7 r$ m1 o& x6 `( g
　　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。
* U  X  W: O% L. {% K. j
　　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( B" ]. g' 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？

捌玖网络 89w.org----致力于站长学习交流

返回列表

Html源文件中image标签的析取

[收藏此主题] [关注此主题的新回复]

[通过 QQ、MSN 分享给朋友]