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。  1 _" ~# t* J1 c+ b0 P; Y
* T* T! j8 _2 R8 k, N, d
　　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：
* D$ I$ m. B% l2 R
! r1 `+ N  p/ R3 j4 [
9 A9 ?% d; F- g9 L. _  ~4 g＜form action=" abstractSRCfrompage.php3" method="post"＞
) _& r) X6 V* S  Y3 a5 l　　输入网址＜input type=text name=filename＞＜br＞8 e- R# z  u0 w1 A' S0 q
　　＜input type=submit name=submit value="提交"＞* L) [! q: Q: s
＜/form＞
, U( j0 E. T7 [" Y! _# v, J, U& J! Q% ]0 W/ ], v+ f. f
% J8 _4 @8 G# N( U9 X" 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：$ X3 o( |& f+ T- Q9 M

7 _  R* W, i$ n/ w- N
$ d% F8 k) d& o( {4 V* z＜?php* S5 Z2 ]/ ^# _/ G: ]4 G/ _" m
if ($filename!=""){
5 O* I$ Z# M7 H! h7 }7 v$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
; _. X6 Z. ^8 a7 ~( e/ {3 I8 \) K) xwhile ($buffer = fgets($fp, 1024)) {& x. p% E% x: }9 P& ^- W) j# h
$source .=$buffer; }
, D; c+ T3 N+ ~4 ?" f# B: _1 [( |fclose($fp);
1 l+ z5 d$ g* q- ]" ofile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
2 K2 P- K) s9 ]5 v8 wif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
9 k9 m6 X1 J& \/ _/ J  necho "找到图片标签:)＜br＞";}2 f+ a; F+ v+ K& L& k8 Q* |3 B1 y
else{6 [6 o5 D3 n" G% q
echo "未发现图片标签:(＜br＞";}
7 R3 A0 [8 j8 ?9 e0 }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，# k/ D& H7 b; L4 R$ _
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
1 W4 Z) C: i$ Fecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";; D6 G) t" S0 |* J2 a9 ^3 }3 ~( U
for($i=1;$i＜sizeof($splitres);$i++){0 ?0 v0 t6 G" |' I/ Q  M
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;6 j  K9 p6 R/ T7 p
unset($imgname); // 再次使用前删除imgname变量；
% ]) l( g/ V1 M( S' F$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
( P: M+ z  W; l6 ^( aecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息" d, S5 [5 y5 ~% p& w
}
9 X* ]: F) i2 R) E( L}+ {, K- L4 g# r4 h
?＞9 `. m+ o) v. U& \
5 W" c# P! r1 \9 z3 I

* |5 ~. A) Z. E0 F4 {　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
, |6 G  _# I7 A
, n. u+ k% F( J0 T# S　　其中函式sizeof($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。1 ~9 M. h0 i3 V* i/ _
/ A/ j+ K, s! ], ~- M
　　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。
6 w2 f4 j) r1 a0 w$ s2 f/ e
9 P/ _# n- f2 Z0 F5 K- y　　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？