|
 
- 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。 8 l6 A4 o. J) ~' x! g2 _. L# p
. V/ v, U& ]; ~. z. Y+ o2 a 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： * v5 ?9 U- `4 `% n; e; @
6 l( S2 r7 N: D$ Q
1 X' j+ y! s7 ^6 e9 p8 L＜form action=" abstractSRCfrompage.php3" method="post"＞
9 r9 Q. M& E7 y: B% Q 输入网址＜input type=text name=filename＞＜br＞
. R; U2 }7 \! r ＜input type=submit name=submit value="提交"＞
* |0 [9 {/ f) F4 _+ Z& h* h1 Z: }6 q＜/form＞ N. n) s3 m1 b, v) |
: n) B# ~" s( [0 H% q
: w8 S7 k$ a4 a6 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：
1 V3 k+ c/ l4 E# J4 G; i7 U C! M9 u4 ?3 r: W
; d1 u# k- H$ O& L
＜?php7 z* I) }# ]5 O
if ($filename!=""){+ J, w# R8 A; J2 C$ w6 y; e: X
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
: e6 n- A/ b# T, H5 g5 ?6 i: X& D& N0 dwhile ($buffer = fgets($fp, 1024)) {
- U+ b, O( u4 |0 Y* A9 H$source .=$buffer; }
9 U4 v( W p5 w$ w/ V7 Ffclose($fp);( @3 e+ H9 ?9 F; |7 r6 T
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
% _- `. C% [; m C. P) @1 qif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {4 o* z+ W6 Q4 a# c/ \# h
echo "找到图片标签:)＜br＞";}! J+ y+ Y! w/ D- q6 p. t1 \3 a
else{
# O! h' D! f: T! Lecho "未发现图片标签:(＜br＞";}
* ~7 Z. ~( V6 V0 Z% Z! ^! hfile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
2 G% g' j4 r) q9 d2 ?5 _ W3 o5 L& P$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
5 s5 G: m' ^ P& `# n) oecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";/ ?: s$ | I6 k5 a8 t) j
for($i=1;$i＜sizeof($splitres);$i++){
8 g# h2 K# M+ v6 C! o2 T3 Cfile://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;
/ y, J2 D, T' X/ }) C: ?8 X$ \$ l% Hunset($imgname); // 再次使用前删除imgname变量；9 s) G m: j7 I8 D) _; K6 b C
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量# _/ M. P9 h/ W
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息- c+ }8 R! V8 m8 r
}
X- K( P7 V2 B# \, I& {3 d}
3 X) u6 B; D. B$ ~?＞
0 s- Q: _7 L, S- p- M7 I @( m7 v' ?" h1 H G
% p) C% E* t) K8 ~. l" U
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。/ H; ~8 Q7 d# p( R3 ?2 r
+ B3 q) Q1 \4 ?% b
其中函式sizeof($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。6 D# K9 M6 D; X& y5 ~ k+ {
|# X. i' Y' }$ J. d- l 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。8 C9 X7 q5 t% U' h" ~4 g2 Z) A- q
1 g: R4 B; X2 U2 H' `) m6 U+ v& 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？ |
|
发表于 2008-1-19 23:31
| 