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。  ; e/ d) B" I" \; `, Y9 I

* [+ U  X2 D( W/ l　　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：
" p& N5 M* _+ W% O  N1 G( E8 o1 n& w7 R4 e4 `
% t, A: D" {; Q7 X7 T% t/ s
＜form action=" abstractSRCfrompage.php3" method="post"＞
; b) @2 S6 T! C# o+ [# m0 w　　输入网址＜input type=text name=filename＞＜br＞& Z3 S+ x* ~; A8 `
　　＜input type=submit name=submit value="提交"＞* G" k7 M& Q7 T
＜/form＞
# A0 C) V* H5 v( t9 R5 {  H! b# n
' u" t9 u1 t/ ]) ], X! s; `& s
8 {! K' z$ ~. 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：6 m! R8 l, h6 F' g
- ?! k; l: a* v) u* X  ^
" G1 Y- I# N) O' U. P) v- g# f
＜?php
4 L; F/ Z! T6 B+ p9 u/ iif ($filename!=""){
% c# T" S7 b+ r- a1 I$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
) m  n7 u$ V5 n" S' Iwhile ($buffer = fgets($fp, 1024)) {
% d6 o7 D# G7 f- u5 R+ d$source .=$buffer; }
! X+ v$ f  H$ F* i/ ofclose($fp);7 M0 E) k8 \9 K) _
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记: N8 j0 F( O' D& c% E
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
; O! W$ A$ F' l% x4 Techo "找到图片标签:)＜br＞";}1 U* C- B- m: D) e
else{
7 t) l6 Y7 f: a8 Recho "未发现图片标签:(＜br＞";}8 m& S9 S2 a' O
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，
/ j  j1 {4 p% A( V$ L$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);4 G' I; F) D$ A5 B  y) k* d
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
1 y8 e1 p$ G4 A9 ?& Z9 Z  ?for($i=1;$i＜sizeof($splitres);$i++){$ x' ?3 M* ]8 ?3 N; L1 p+ k
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;
% |8 G9 x: y9 O8 lunset($imgname); // 再次使用前删除imgname变量；
; `& I. Q! ^% x. g$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量, |( ]( O8 k# q$ E2 H
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
! {. J' y- `/ }- z# d}2 F$ r* u& Y* M' B$ F) B! u
}& `# J$ I$ r1 ]
?＞
0 `. i- {$ |" O' G6 K2 l
% C9 g1 t1 n  l# h7 A& Y; s
: L+ m0 f* x# |# m　　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。" t* n1 Z) H4 G; U& \

& k# L8 k: f0 u3 X( [2 T8 Z7 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。' F3 S9 n/ d  F

6 `" Q7 ~% \! X' p8 @& [; \* P　　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。/ A# k3 `- m/ Q4 b1 @/ x

( X! j% {) Z( K6 ?: ^; R+ a% I% b  d: H　　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？