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。  
$ Y3 e, ~' \( Z, ^# m" h9 m$ u% |3 ^
　　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：
$ M1 m% C1 u% T( p0 {$ c9 X" i9 t; Q5 i: I/ n

; k9 }% o4 C) m2 K7 b＜form action=" abstractSRCfrompage.php3" method="post"＞
, }) O% O/ X! t: A$ ?' H' V, o, c　　输入网址＜input type=text name=filename＞＜br＞1 z) z0 Z1 O: g9 e
　　＜input type=submit name=submit value="提交"＞
9 O* Y& i3 I3 c% C3 v- a＜/form＞
1 H0 R4 B1 v' S6 J. g$ B2 _
$ }: Q2 q' r. F( Y& a" n6 o/ i& F6 Y
　　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：
6 `0 R  v$ H3 m2 {/ i! E0 ~8 C3 D; g! f7 _4 @$ s) z8 E
1 X' ]2 M6 G7 g# X
＜?php3 g6 B9 ], [8 r3 z3 n* c  F( _( T
if ($filename!=""){7 t' c3 |6 j$ G" N9 \5 U
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
/ [; {9 j6 T; S0 swhile ($buffer = fgets($fp, 1024)) {& l- g9 G) N- x4 y$ P- u
$source .=$buffer; }
2 ~! |9 b! Z. h/ p- M) V5 Efclose($fp);
0 V9 u  s* C; R6 |file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
* o* ]1 t$ p! l- N3 tif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
/ c; }6 L; V: Y1 b& _" i3 jecho "找到图片标签:)＜br＞";}/ Y4 S& e. G( C
else{
: {% M* B, W+ X* aecho "未发现图片标签:(＜br＞";}
! A! q0 n6 G$ x# b- x: t8 M, E0 Ufile://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，
+ b8 `. N/ f. D7 g2 k$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);3 A8 a; t8 B8 A5 `3 t* V: r
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";, Z5 G1 M: ~  ]7 o2 f, T: i; n; ^5 [
for($i=1;$i＜sizeof($splitres);$i++){7 _: E" P2 V+ K: @
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;0 o' A  Z; M# \  i( R
unset($imgname); // 再次使用前删除imgname变量；- d3 a2 v* ~7 D
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
0 M5 r: F+ h( Q6 f/ d3 T+ A5 S7 Kecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息- L8 A" k/ @; H3 c) t
}; @( _% z3 G) {1 {4 E
}
+ E7 S# Y2 }2 z7 L/ @0 ]?＞
* W8 b8 B- ~  Z
1 P2 Y4 I0 j  n8 t3 {6 s' o% F7 @6 L# S; k( t
　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
+ L! w8 b* K# T  q6 }: h6 c- ?2 m$ p( t0 J
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。# Z6 \- l$ w4 r! f# C( q7 r6 r

; P+ a" u2 S# M8 Q9 w　　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 y; _, C* m9 {" ]: ]

+ N( m4 h7 Y- e, z% k1 `) s　　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？