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。  
! ^. i: j3 C& Y' h7 G' o7 a) q; g+ I8 ?2 y$ P+ w" i5 Z2 @& a) n$ f8 i
　　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：
- C* @& b0 ]7 l8 F7 W4 ^( L# V% j# Q5 w$ \
. O2 o9 I6 ~0 e* y5 P5 Z* J+ S. `
＜form action=" abstractSRCfrompage.php3" method="post"＞
5 b/ u2 T* j4 ?' v0 B　　输入网址＜input type=text name=filename＞＜br＞* f% O; h$ p8 l: a  u1 {& K
　　＜input type=submit name=submit value="提交"＞- Z9 N: V, I7 y. ?! Q" K% h! I
＜/form＞
9 X1 v% e6 s, l' c6 ^# s* O: w2 f; h3 g8 ?
8 A# X) ~8 ~7 d; J4 A/ ?9 [0 v
　　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：
' s+ C6 Z! O7 q! g! h, W
& V. M& Q* ?% ~
7 D8 M$ J0 k; r! V: q% Q1 t＜?php
$ G" x" L/ @: t2 n! r; D/ Iif ($filename!=""){$ o$ x0 ?- ]$ t2 q$ l
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；9 e. S2 P  O& X7 I
while ($buffer = fgets($fp, 1024)) {
# x$ D$ k2 L" q5 c1 z$source .=$buffer; }( g6 f% z$ B+ O# R# d
fclose($fp);1 ]: H+ v% t( d( X6 Y2 t
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记! r  O1 N( [/ R4 F
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {3 Z- ]! D6 X, p
echo "找到图片标签:)＜br＞";}7 W) B* U3 _7 w- S! q
else{7 ?/ @2 ~' J+ Q4 {  A1 }+ ?# T
echo "未发现图片标签:(＜br＞";}2 w0 X# p& v  z: f5 x
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，; e0 e# `) Z, }9 ?: S
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
( `5 U6 k( e! o2 t9 Secho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";( S* {5 j! B# M- _
for($i=1;$i＜sizeof($splitres);$i++){3 A' v2 J! K; s1 I  }8 {
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
, [* f- Y5 t% j& @* i$ Kunset($imgname); // 再次使用前删除imgname变量；
. ?- H$ `0 g# H# Z3 b- S$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量# j$ @1 i3 k3 \" X- d* ~
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
/ O# |6 h6 }/ L}
9 r7 ]8 `$ C5 x1 w}$ a& N! p# v7 a
?＞
1 G8 b) _- ?7 t
9 i+ r' W$ Q. G- r4 b% e$ k* Q
5 ~4 [  e+ \( x( M% g　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。. d3 Q$ {; Q% I( k, i

% R! R$ N: u9 w# \1 X　　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。- L+ I! V( R: K6 S" G
# ]1 O# A, o1 U/ r6 A
　　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。: p6 U! Y+ |% P" x  M* x1 A, l1 C2 {

! ~) Q& j- Z( v: o# |% H3 l　　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？