|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14221
- 金币
- 2401
- 威望
- 1647
- 贡献
- 1349
|
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。
3 G" _# N! c4 G2 d+ K
0 K$ Y) G% P* \' G 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： & p+ @* j8 m K3 O3 ?# W9 X
; [( K/ W; Q/ J8 m( G8 E2 u
( o" f/ Z0 t O; n+ V＜form action=" abstractSRCfrompage.php3" method="post"＞
" T( e, ^+ D H- V" |4 }: J | 输入网址＜input type=text name=filename＞＜br＞
/ A' s: y, Q/ z- N3 G2 p, r ＜input type=submit name=submit value="提交"＞
6 ?! X. i" O+ V. ~＜/form＞
6 b8 Z' ?) w$ B/ p. ?: f5 y" P& G2 O' ~
. M: f" H5 {4 e' |
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：, ]% ]7 C+ G. L% [% C
2 G5 S& B" K! ]8 c
* c1 H6 Q3 j4 n6 \＜?php
( J+ L; e' v4 h0 oif ($filename!=""){( k' R* O0 m e5 [$ Z3 c- \
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
/ k) A6 v- W8 w& Y% qwhile ($buffer = fgets($fp, 1024)) {
4 D) D' d8 s0 d6 u& a5 e0 _8 V6 w+ e$source .=$buffer; }
0 n) _+ q- F V b) Dfclose($fp);9 @+ k' p9 D$ ] Q* p: i* |& h! ~
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
' ~8 ]) F4 _% | |! u& ^4 dif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
+ B3 Q8 i! x6 ? _' F1 f3 Iecho "找到图片标签:)＜br＞";}
& h5 z* p! ]( s" u7 m! |3 I$ k; @else{% s2 {& u, \8 M/ u
echo "未发现图片标签:(＜br＞";}3 T& l3 d9 o. [
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，& ]$ y+ {( G3 J% M, P
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);, E7 V# W* N/ O/ E- g" f1 I& h9 |5 I
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";! H K; c: C9 ?4 A" d, h+ y
for($i=1;$i＜sizeof($splitres);$i++){( f8 D9 t8 ?8 Q
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;% m x) z# n. j: ?: M# _8 D f) q
unset($imgname); // 再次使用前删除imgname变量；
4 Z( G J; Q& I, r) C5 j6 } z$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量6 a3 b5 p# t, L& ^, u
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
' [. g" C# I+ r$ @} c$ y6 X/ P- G! [
}9 i i. d% O4 X+ {7 Y
?＞
7 h0 p6 Y& v' B9 B7 x/ |( P0 l: C& w
! Z. R$ M. K! n! d4 H 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。9 q c, b! i/ D
9 a6 P* G" _& B- y 其中函式sizeof($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。( D& X6 R3 n7 c0 g. s5 ]
' o5 }( ^; r( H) p( D
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。
* }% J, A# K+ P, F; N7 J3 X) J. R& a) a- P9 h+ P
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
| 