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。  8 _# @' Y/ g4 y

3 [' D2 S# G" \" q9 ]　　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：
% l* R/ b- K2 m2 B! e+ x- `  y, x0 j' K0 N/ v) u0 y6 I& t; H' K
  [+ z8 ?* I, H: u% a7 g
＜form action=" abstractSRCfrompage.php3" method="post"＞) Y  T! S2 T) t- d3 O) m7 I
　　输入网址＜input type=text name=filename＞＜br＞
" A4 I: ^3 E+ i# J　　＜input type=submit name=submit value="提交"＞
7 N2 [5 B- C" k＜/form＞
# m# R& e; B$ ~5 f6 {- F: `( Y1 L8 a/ _* I8 N1 Q: X4 H

/ a/ v4 O- B5 T. C9 Q　　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：
! D8 e- I3 H& I$ |0 T5 @0 w1 e; D, A% f: e& n2 O8 C! M

- t2 _* `" S9 @, `6 q) R8 w＜?php( D% H  r$ E5 k0 M5 ?2 a  v
if ($filename!=""){, J: S8 A6 ~1 W1 U
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
+ U& N$ O  |) owhile ($buffer = fgets($fp, 1024)) {
: p0 W* e2 h' ~9 s$source .=$buffer; }: Z2 P" R- L* j/ u- t% L, q
fclose($fp);
% @; _) R3 _, @0 J7 Z2 _file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
; B# F  b' r. l# p- u" N8 zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {# |4 N  M0 g5 Z# D9 i) u6 M8 X& l
echo "找到图片标签:)＜br＞";}
/ @; g: z3 w& D& a+ a; D# |else{+ O! s4 T+ d" B. Q0 w
echo "未发现图片标签:(＜br＞";}
8 ]# c- I4 a2 ifile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，  O2 [$ V4 U7 }- J, ^2 T# o
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
9 B* }) P' K2 z; I8 Cecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";$ w7 x, c7 \; `  l2 I8 S
for($i=1;$i＜sizeof($splitres);$i++){
* z/ c, I# i5 q& p& u1 ~0 hfile://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 M) U) u: f: \2 y( \3 a; j0 _
unset($imgname); // 再次使用前删除imgname变量；
% G" q3 e) G( R0 i$ b. r$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
$ `1 Y( T1 Z2 w- G; mecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息4 o3 Z* v' \& t# p& u) V& O$ D+ {
}. O0 z+ O$ d2 f/ R/ j* n( l
}+ ]  o8 Y) r$ x9 v% {+ Y
?＞
4 g, Y, ^0 `4 R& V' H  o- f
* f4 P8 S( }" @: `
: y0 E' ^9 j: M3 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。" W& k2 h8 U- [9 c9 c
5 L$ e. Y2 ~0 H' ~' W6 O( ?! c
　　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。5 S' F. M9 p( \; O

- v1 V5 A, @% m( i1 E　　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。7 i1 w( T: X! ]( }

! S4 O6 `0 J0 P8 F  {9 I6 E　　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？