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。  ! D1 N& z1 o, w) P2 f( H
0 h% [9 K: u8 f* c; ]
　　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： 9 U: @1 q# ]5 \9 _1 a

' D# J9 G7 U. {2 K3 }# g' a4 R- G- V; U) j5 v( h1 u
＜form action=" abstractSRCfrompage.php3" method="post"＞2 p* X' y6 o! a4 ^6 V6 h$ T6 B- Z
　　输入网址＜input type=text name=filename＞＜br＞
$ E9 t" ?) |7 U  K* W　　＜input type=submit name=submit value="提交"＞
; g2 R8 a' j5 s7 n+ T＜/form＞
3 k7 N* x0 r9 P7 Z7 h
% K% y" V+ k$ h
/ s. \6 h+ J/ N1 I　　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：
" g: B$ f  ?3 V3 N
. S7 ^$ |0 t+ T
9 l% X# B. W. M9 l4 t& A* F$ R9 z＜?php% t8 }# P$ t# R+ P( z" }
if ($filename!=""){
5 E: ~- e1 [: z2 S; ~7 ~4 V7 v3 r$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；( v' U6 P2 A" O! M$ N7 Y
while ($buffer = fgets($fp, 1024)) {
5 p8 L7 q' D8 ^. }' [$source .=$buffer; }
" |& K) ?/ H. L& Wfclose($fp);  J& i" @9 ~$ q: Q& t
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
( Y, y2 l+ X# j2 l) p) J* @" Vif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {) _. \8 Z8 |( R2 z" g8 P
echo "找到图片标签:)＜br＞";}
5 T/ e1 U! `) y+ a. A) pelse{
, S! d4 L- V9 @9 d* m$ ~. n$ Yecho "未发现图片标签:(＜br＞";}, X( A. u( h; h5 c. \  _. j) W
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，0 e1 W" x$ }/ }3 L, e" w) z) y
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);. E2 K$ @" k6 Q' F& p2 K  ^
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";. j+ W3 J; ^5 S# P/ d
for($i=1;$i＜sizeof($splitres);$i++){) \# y5 `( ]0 H- \! U/ y# H) T  ]
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;" K/ ^3 [2 X0 P+ O  ?/ q% L
unset($imgname); // 再次使用前删除imgname变量；
9 |5 V4 ~# R* G( M& u( G' L5 U- |$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量& ]- N/ I' S5 w+ Q& v5 B) p( [* j
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息# v  ?4 W8 v+ N, Q
}
" o* m0 E3 u& L  R/ \}3 x& t# M8 `; h( g7 s' g# d
?＞
3 f' b* G! z( P% f3 n
3 q' a4 \, L6 S1 K1 G$ n* z, k
# L+ L. |' t3 E, K$ @; E　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。' N' u$ Y+ w$ b+ a* {, |3 [
# m4 |/ L( c9 k3 C! ]
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。# A8 v! U6 `4 y0 ?$ w

4 _* v3 ?6 o; V  W, h- f　　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。2 b9 h$ @* Q. C9 n7 W% i

( o' }# u, [1 a( O) @5 ^　　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？