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。  6 t* N* r# g& _0 s3 O8 U+ V( l
) \$ I( p% @9 N" Z( 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： . j* `: d/ I. p- }0 m
5 ~2 G/ ~9 S9 u) {7 k0 e  ]
  h! M2 b9 l, Z) E' X: w
＜form action=" abstractSRCfrompage.php3" method="post"＞
" F: I+ o  O# L  d　　输入网址＜input type=text name=filename＞＜br＞
% C. _% \  f( ^% c& m+ a- ^  _　　＜input type=submit name=submit value="提交"＞& m& g5 m7 b% @
＜/form＞
. f3 A+ m( }* q1 {1 T
/ [* \% H$ F- v1 t1 C! ~
; d) [6 B3 A5 \4 X　　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：
. n9 `: U7 {1 T6 m/ h! y7 `4 D* t$ l+ U: ?7 g9 d7 P9 I1 y
* e  I1 |9 ~+ T
＜?php/ t4 B3 l# Q* K  C' k
if ($filename!=""){
7 @0 [& Q* D9 h+ g/ G/ x" i$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；% V5 h. {% e3 m& T9 f3 R! y9 ?
while ($buffer = fgets($fp, 1024)) {
  V5 ~' m0 ~7 G3 I0 Y3 ^/ o9 T: q( a$source .=$buffer; }6 l8 {  S( S1 U# `+ J' i3 ?
fclose($fp);
# J. T9 w) a7 u" V% b& v* Ifile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记0 z& ]% X% j+ K* Q
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
4 \/ Z% {7 Z' J) d( i0 f4 w7 H3 U# gecho "找到图片标签:)＜br＞";}5 j. a$ D" v) i# g9 \6 `: l. e5 o0 U
else{
0 z7 W  W9 O, c0 b* h/ v' U. uecho "未发现图片标签:(＜br＞";}0 C# y. y) S2 d! V) l
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，4 |/ V2 V, F( E/ W1 q" _: k. d
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);& t: O/ ?2 R- k/ \1 Q
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
! w8 Q: v( g0 g2 b: Bfor($i=1;$i＜sizeof($splitres);$i++){* g2 t! [4 p% L3 [/ B
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;! r4 H" \' J+ \% {. d* s' i
unset($imgname); // 再次使用前删除imgname变量；7 D' p0 `8 Q: o! R& l
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量' C5 M# q# L$ |8 m: {/ T
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息! n7 c& T$ ^& X1 e
}
% Y3 Z& @* L. ^  I- M}
7 Q* b: s7 t$ R2 U?＞
/ [( K  t% H% @, x3 `) C$ V0 {4 \3 U: j. R; S

; H: A5 @# _0 a  f* C& L) O& i　　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。( `# W# B: i; i

6 l8 Y# j6 G: o( H2 }  F　　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 R9 ]7 Q- D' [9 y

/ l4 S  |7 O$ j　　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。$ R, a- i$ O/ O
5 O& `/ G2 s9 @  M0 h( I! S: i
　　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？