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。  
9 G; v6 @2 Q  ^
6 m2 s: v) |4 f8 K& U# a# S# Q　　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：
' U  x# S( p9 Z5 e$ R. N$ E* E* K) ~" A2 f" T+ N

1 \+ ^; L& }1 o2 v＜form action=" abstractSRCfrompage.php3" method="post"＞8 r, V* b+ `: S+ i4 R7 o- \7 U2 i1 C' r
　　输入网址＜input type=text name=filename＞＜br＞
% L" }3 b: U+ `8 p9 P, V. d" H! }　　＜input type=submit name=submit value="提交"＞
) c6 c7 W! |8 i8 M; }3 P＜/form＞
# H+ g3 e8 W' h1 J  i
& L0 z: q# h$ {/ R- X$ c  g- x
  j6 ?* O+ g* ?. q) u　　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：8 H2 y5 k! ^# c0 k* K- p

0 ~6 W  F2 H; f+ ^5 E$ J/ ]- T/ r8 z* r( J  i' f
＜?php
" l9 \3 Q) F  f$ i; Aif ($filename!=""){
2 F0 V; F8 k4 I- p$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
) h% _- _  j. Kwhile ($buffer = fgets($fp, 1024)) {$ a  g0 N; u4 ^, l* v
$source .=$buffer; }
- g1 R# f- @- C0 e8 yfclose($fp);
- H- C* ?9 }: {/ D! j8 [8 l. \: @3 dfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记+ L0 W; r" T! p3 K
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {$ G0 m/ E1 F6 ^& I6 c
echo "找到图片标签:)＜br＞";}
3 P$ |( \  N% }+ telse{% q) T( y4 ^6 \5 Y1 |
echo "未发现图片标签:(＜br＞";}  O- d/ ]( i6 W8 G7 c: w/ J# b
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，$ U  o1 ?3 N, s* f# f
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
# N/ m8 f: O; e. zecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
* D" ?. V  _9 d9 H" v. b) @for($i=1;$i＜sizeof($splitres);$i++){  Q! ]/ N1 U1 _9 P
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
# K& Q& M$ Z) p! `4 C2 b7 e* Eunset($imgname); // 再次使用前删除imgname变量；: C+ ~' X1 P2 A/ v7 z3 M
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
! N; P. n1 |' [2 H1 h8 m9 `6 iecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
2 z/ I9 I# T/ |' P/ E1 B3 c}
3 ]2 b) _: s6 O, A  Q" H0 i}
7 k9 p9 v. o7 }8 i# b9 c4 C( r?＞6 D9 J" Z9 v; y+ T4 ~" T
# [0 Y  K- W; F! ?
8 y% L, w6 p9 w9 ^5 Z
　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
( R: r. h) T7 d+ |6 H6 p4 K& p: \! ?, y0 ~/ {" z
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
& X- ]' v3 b1 A6 Z4 H) E: f2 r$ a( ^) K; x9 ]+ _( [
　　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。, V+ r0 I; X/ l. r) I
3 _! {( E! y6 `* c8 o  ^5 o( d
　　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？