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。  - `9 Y4 x% m# B1 o6 X

; ?& l1 a  L" ]$ b: u" y* c$ X8 w　　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：
7 ?- s8 }* B& E( w2 N' K1 }1 k' Z  h
% f& d: \; Y( c- X% K7 T: m
＜form action=" abstractSRCfrompage.php3" method="post"＞7 i9 @+ X0 d6 H2 Z3 l
　　输入网址＜input type=text name=filename＞＜br＞$ @5 y7 D, }. h! M* _
　　＜input type=submit name=submit value="提交"＞2 P4 m3 i, r7 s* B
＜/form＞ ! }- l' Z* g( R/ i) Z3 _, G

3 M0 D  _- J- {; e
. g* E5 `0 Z& w, t　　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 @. F  s4 B- F6 q! r7 S6 c

5 F5 }5 v" {5 U' L  j" |7 {  g( C: W+ O- v! q' I
＜?php$ K! r5 y& T! J" {
if ($filename!=""){4 D3 T1 X1 Z! b. e
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；& u' Q) N$ G! ^* q+ z; ~1 ?
while ($buffer = fgets($fp, 1024)) {
+ n, B/ p" L- s  m1 R1 ?$source .=$buffer; }
/ [7 f# U8 h$ K! t% Efclose($fp);
9 \" S$ ^3 s; u1 ]2 O0 \! Bfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记( y; j- E6 m# i6 C7 [) \/ K
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
0 z  o6 y3 c8 u! Zecho "找到图片标签:)＜br＞";}5 K) L2 k, h# J: v1 i1 h
else{/ B4 U8 f: @* I4 o" Z- z; |
echo "未发现图片标签:(＜br＞";}
: F) H$ G! e* e3 ?0 N( w7 nfile://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，
* S5 L- M9 H% m3 w, M1 j& D$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);6 B. b! @8 S3 L$ e
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";. O* q, C" m; z3 }, M8 Q, V
for($i=1;$i＜sizeof($splitres);$i++){
8 |% I0 O# x& q, r4 v; xfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;5 H4 l; G' `2 I
unset($imgname); // 再次使用前删除imgname变量；6 w/ o, a2 m) P# M# j7 U, r' U1 g
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量0 @0 J+ V' p! w3 R! Z
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
4 O$ X# }' s( h}" M: A( v2 ]# }& J
}; b2 t2 K) _- j( E) ]
?＞
5 y8 u4 C4 C: i( D$ I. I. M8 h8 D9 [  c& z6 P) S2 s
; l9 k, U( A; ~) c" k7 u. ]
　　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。3 V- J1 S' H6 _; g% o2 {

- w+ f3 I/ C% @! I# a　　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。. ?/ [+ J* h9 D+ v- b0 k0 _
* D7 X" U! Q# R5 ^
　　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 o4 M6 w9 X/ ~" p

- y% |; H" Q/ Z1 g　　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？