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 e0 v/ [2 y- Q0 j" z/ U- O

& T8 M8 B: c7 g: [* _8 c3 j　　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：
0 V1 f0 n4 P  C
" Y0 w1 |; T1 P! d- w/ |
/ {, P( v! w2 s% p＜form action=" abstractSRCfrompage.php3" method="post"＞
1 G" h4 q4 \  u. V　　输入网址＜input type=text name=filename＞＜br＞5 F- L6 y- e7 V1 @4 _& M
　　＜input type=submit name=submit value="提交"＞
( F2 Q. F& p4 d# J  R2 I! Q# I' I＜/form＞ 2 {3 D8 x) }  N2 ~2 l
3 s8 S2 m- ^# E1 P& T

/ }, w, p1 C& T. D6 [　　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：3 O; M6 {6 V3 L* `' O
/ d4 L) n: V+ o/ Z* ~$ v4 R: j( l
" t$ {3 L4 \5 A! A/ z. m6 T; E
＜?php
5 |) [6 @- V3 Uif ($filename!=""){" f5 d8 l0 v. N6 c
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 Y' {( [' I) u' j+ A: M0 G/ s
while ($buffer = fgets($fp, 1024)) {
! f! v! M- B5 ]7 `5 f6 w8 F$source .=$buffer; }3 W: q9 P2 J9 x) j9 J/ {
fclose($fp);
8 z' B# h5 N5 q1 z  J& Q$ g. \, xfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
. h2 n- ?2 @; L& u1 t3 P; |% E" Sif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {9 X/ c1 a! D; W& d
echo "找到图片标签:)＜br＞";}
- f2 w( H' w* h4 b/ [% selse{
; y, L, k7 o3 ]' P4 E$ i' Gecho "未发现图片标签:(＜br＞";}# P. u; K2 F$ F" t+ q2 C) p
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，/ K/ X0 T# e" g* ]% k
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
4 S: x/ ]! I5 |) Q) K( eecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";; w6 ?1 F/ X) k6 B) X% w; p* E
for($i=1;$i＜sizeof($splitres);$i++){9 {" X: h* ~2 G1 K3 x
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
6 ?( h; J9 k" Uunset($imgname); // 再次使用前删除imgname变量；
1 I/ P) ^7 s7 `) F& V4 p. a9 Z$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量; c4 ]8 s: k( m: p/ i" p0 A
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
4 y' g) W! X* N5 q1 Q2 G8 X}
8 ]# v# K7 d1 e}
$ M8 t$ x) f+ `! v) K?＞8 N' o' U$ d$ Q+ k) \# D
- l+ H' p  M2 d+ V
6 O" T; }8 ^( k) d& e, 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。5 V; ~  N) [$ m2 u) s

# I* [5 W+ `1 z  ?　　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。
  _! `" S/ F% }, Z( N& a" w# I- m% W% W8 y% c
　　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。
3 Q, q4 Q% x* @" R- M8 L; u; {- g% @/ S, [) `
　　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？