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。  & z$ {9 S5 y' ?0 p" c1 Y

7 ~2 P) R2 Z1 I. U% d+ e　　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：
6 L/ O. Y6 P' Y" p- U% P
; B4 J' J$ C  `. L( y  l% C8 x& L3 T' `# e( d
＜form action=" abstractSRCfrompage.php3" method="post"＞1 }1 y/ U8 R# q7 f6 A
　　输入网址＜input type=text name=filename＞＜br＞
3 ?6 ~, o* b" m8 G　　＜input type=submit name=submit value="提交"＞
$ [) S/ X$ b! }$ T1 z) f＜/form＞
2 ?( s" Z5 X. b  a# t2 R4 @9 |% c5 c# R" x! ^) Z

( @" Y. u7 C% [+ R8 c! p) @8 m+ W　　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：& V! D' h9 }* l

9 m6 T* h5 b' N3 A: S& u+ ~2 O" I# l2 E. N* t' ]' J
＜?php
3 S& j4 p+ |1 o" w8 n2 O* ?if ($filename!=""){
$ B5 D* x: `1 ^$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；  Q: C/ s$ B2 ]6 e# l6 ?' _
while ($buffer = fgets($fp, 1024)) {
* X; y; G9 B) `- ?" H6 _$source .=$buffer; }, i3 b( r# q7 w& f. J
fclose($fp);% H. X, c# b. q) e5 z1 M! |# |
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
5 ~  _0 r& A) i  e+ n8 G$ ^if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {& e+ |: b) o/ Y1 U. @5 ?' i
echo "找到图片标签:)＜br＞";}
; H! W# ^; T% I9 A3 \else{& Z& e8 p  g' a+ v  D
echo "未发现图片标签:(＜br＞";}
: n: l) `; }) U- dfile://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，  ^; I) S5 t0 j
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
5 t- t. E# l" oecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";. \1 x, D% P" s' A( W9 ~& x
for($i=1;$i＜sizeof($splitres);$i++){
& J" D/ D- ]' I) R, r  Vfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
7 _, F) n4 Q. yunset($imgname); // 再次使用前删除imgname变量；
7 V# h# l* z1 g$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
9 o7 @4 d! m$ A; l' q+ u( Pecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
2 m' t& W! l0 V3 U* x, Y}  n- f8 S( p1 d3 k2 n( R
}! c" }) Z9 M5 `0 r: w6 r
?＞
) E2 `5 @; p' d% C3 Y, \* S- a+ g7 K1 m- t& |6 K" }6 w( w) W
$ M1 o( Y  |$ J" k9 k+ c! }
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。/ q7 I6 v1 \. @0 N. S) U# ?
/ c0 o; ^/ D3 R$ z9 u$ h8 a. \. w
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。4 q. G' z( \+ U; W- R7 ]
- b# H8 B. O% ]7 H8 V
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
" \5 d) _2 x$ q/ V" v
2 x# _1 _, O/ ?4 a) u2 L1 z" A　　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？