|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14389
- 金币
- 2480
- 威望
- 1647
- 贡献
- 1428
|
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。 . z! W" I4 \. V
' {: ~4 u0 B) c( w H+ u0 O# i 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：
- I2 M& w. I6 K. F5 `+ }' ~
$ Z M. Y+ k' x) ]/ F9 [6 C, s
* L7 Q/ C' F. k＜form action=" abstractSRCfrompage.php3" method="post"＞- `$ Q& E" D" m8 a
输入网址＜input type=text name=filename＞＜br＞! I1 z6 p1 k. D" q l4 }
＜input type=submit name=submit value="提交"＞
; |0 l/ Y& O5 y; n* Z0 h1 ^＜/form＞
6 g" s: Q# R2 h2 b* ^$ f" X1 k2 t4 {, t
9 Z5 k8 c" U+ Y$ C- J* I" t 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 b w" u, g+ Q: i2 _! n1 h" \9 g$ n+ J4 P
5 t* e) f- g# q' t7 Q+ f. I7 D6 U
＜?php. _5 L( z' f+ {8 b. p7 g6 g
if ($filename!=""){
+ @. n7 o3 u' C( g0 U, T0 d$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；+ s# T7 ^- `$ S; D& B/ J# k
while ($buffer = fgets($fp, 1024)) {
# F0 h/ I$ D- l4 B: Z2 r# H$source .=$buffer; }# i/ Z/ P$ B: T6 Y: |; y, r: X
fclose($fp);5 I- E. x# F9 B7 f+ ^
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记' U k. p0 Q! n8 U7 a) U
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {4 P6 d. P' O/ P( o4 l# I! S: z+ n5 J
echo "找到图片标签:)＜br＞";}
' {% V; A) }7 d' Celse{3 l3 S. [: D, r2 C0 J
echo "未发现图片标签:(＜br＞";}
/ r2 n+ R+ H; ifile://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，& K2 l: b8 D. J9 ^
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
8 r5 z2 v, ?% [( i! a) t6 Mecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";" K0 j; ]1 D' j/ J2 q* V
for($i=1;$i＜sizeof($splitres);$i++){
4 e$ v' o/ O7 W: Q2 ~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;
* K! b/ K1 N P0 c) V+ Aunset($imgname); // 再次使用前删除imgname变量；6 g0 D* x1 L8 N. ~
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
+ t: N& Z, s* j" gecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息% ]4 F2 @/ }' m" A- J% z
}
5 {+ S( D% g1 N. C}1 G: W/ B0 O( B% h: y5 M9 D: X! D) {" |
?＞
- [, U% }: K4 b( S# i0 ~' P7 p% |2 W
" y& D1 ^3 w8 i+ z6 e Q
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。. x* L6 @/ ?# p0 J& w
& W Y. |# Y+ z8 T- c 其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
- \9 S9 {. a6 j: u
/ W( n8 }/ X( o7 _ 好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
0 X+ `# O. o) b% ]. i6 n6 o$ J. f% K: A5 B& g, k1 \) T
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？ |
|
发表于 2008-1-19 23:31
| 