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。  
1 r, I7 {5 W2 ^+ F* b- ?+ J- f5 p4 G9 u6 ?
　　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：
& ~4 x4 q* _8 Y" k  Q3 e+ q
3 S& G! N; l* z  A+ A1 @% |% ?+ A. P' V% s8 r5 ]
＜form action=" abstractSRCfrompage.php3" method="post"＞
  R+ }/ p# ~7 ~, p: N　　输入网址＜input type=text name=filename＞＜br＞
8 {% n2 L$ O2 z3 `; ^　　＜input type=submit name=submit value="提交"＞
, z! I/ O& `6 a3 h; O& J/ n6 _$ o＜/form＞
2 k$ R+ M. }# w1 g+ B, U" |. E4 L9 f3 ^  d6 q( L
4 \2 s7 d3 e# Z7 [  Z2 ^- U
　　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 M  l% ^* t0 Y) S9 N: z" R
! n, q' j6 t. u8 [/ }1 w

) @2 U, z1 h5 k6 [( u＜?php- d) J( x2 ~* n6 B0 `. I" {, a
if ($filename!=""){5 A" \- Y' i2 B$ n1 [& \2 x
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
. l3 P( H( Z' }% @1 ?. {5 Cwhile ($buffer = fgets($fp, 1024)) {
/ J/ x) h# K6 J1 L; c$source .=$buffer; }
% ]; q6 Z- l" O& {fclose($fp);
6 {. U$ X( C7 Hfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记& Z9 z6 |8 i9 s3 d8 k
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
! J# e2 V/ ]7 s$ M) {; [, E7 Gecho "找到图片标签:)＜br＞";}
& m& B8 B1 Z4 n" n- v% i) j9 w$ }2 telse{
' o& p3 f" F$ ^, u, l$ Aecho "未发现图片标签:(＜br＞";}8 z$ P7 O" {# U
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，, X# w' ]7 H* m" R  B
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
) ?% B6 b& ~7 M& Mecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";/ f. U9 G( z. I' N. ]4 ?
for($i=1;$i＜sizeof($splitres);$i++){/ m  {% p4 i# H' P
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;3 ^" n  r* P$ ]5 g5 k
unset($imgname); // 再次使用前删除imgname变量；6 C% i' L+ S$ G/ c% M/ w( t% o: ?9 u4 G
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
5 w, @6 u5 {  p9 I, pecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息: M+ t  }/ Z' {8 p
}
3 a+ m6 E( M1 T; U7 ]- u5 J}- p5 @. m5 |' J3 O- A) M- O0 Q
?＞
/ t: t9 f( E0 y. Q: r8 n& \* ^1 l
  [$ ^+ y% x5 ]$ Z0 N) ~4 N' q1 J& ~  {3 ^6 P# [
　　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。# T9 f; i" S" V0 _

% |7 ]) }, `& ?& K& }: s　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。, u# c$ a# U1 j# B9 Q0 g# X; \
2 e. I- L2 e* ]- ^" Y/ N6 Q
　　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。- h3 g8 T9 E5 |
) x8 K/ d; l- U  U. Q
　　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？