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。  
" u6 Z$ |1 E: X' C% @" t0 m  \; Q/ o1 R2 w; C4 l1 L( ?
　　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：
' ^) t3 Q! o  O- G4 ~
, ~0 k: g( q1 E: |3 R3 d- q, L' x' n- h3 E
＜form action=" abstractSRCfrompage.php3" method="post"＞
; C( Q$ P' m; e, B$ V　　输入网址＜input type=text name=filename＞＜br＞
4 w2 I2 t) T, i: n' f; S　　＜input type=submit name=submit value="提交"＞
) I6 C9 v" L* g8 W1 p6 L* C, @7 s＜/form＞
" N2 Y/ R$ V3 U$ X
1 V0 p2 P* _/ r* c" e3 {+ P* e
  ~& R/ ]6 p2 O  F　　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：
6 @9 {# c3 e$ P$ G. Z: n$ i9 z
4 B$ m/ P/ G# X# k: ]
. b. ]: L3 C( n: e1 ]# x: D＜?php7 t5 ?! L6 |+ {' ~# Y, L
if ($filename!=""){8 B  }* c, M5 E3 x0 b, ?+ ?
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；: Z* l! h% X8 t7 B9 V$ U
while ($buffer = fgets($fp, 1024)) {
, d; ^" K( }) P$ U5 y* [$source .=$buffer; }
9 [; `/ K3 k6 F6 |( O- j  n, Nfclose($fp);
/ l1 p; r; E3 F1 yfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记* J* u- g( s$ X$ h2 F! o
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
/ `9 p8 ^/ y& ^* E2 b  fecho "找到图片标签:)＜br＞";}; o0 ~5 A' {* m/ l
else{
1 X" J. p% r) F7 D; ]- aecho "未发现图片标签:(＜br＞";}: h0 R) V9 m9 ~. D- ]
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，+ c8 B8 F( O3 q1 s0 }
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);5 U7 W9 _5 {' I9 a; F" }& Z
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";3 `6 r( O3 o5 D; s1 Y( n
for($i=1;$i＜sizeof($splitres);$i++){- p2 a, J6 w' K; R5 @; p9 I1 j
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;8 E, C8 i3 j: w( R, V! ?1 \5 q
unset($imgname); // 再次使用前删除imgname变量；7 ]; z$ v7 |$ D% T' S! f0 S7 h+ p
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量9 I9 z3 J. q! F& U
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
8 c* \/ {+ Q* G( D}! k) {# y8 t! e' q$ D
}
) c) p! O/ e4 k: n8 \8 ^8 J5 d?＞
& K- U- \  B- d5 ?4 `) v
) i$ z! B/ Y0 {: t6 i
( I% ~9 j7 c  C3 I2 a+ R  ~　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
+ T4 X  i2 l. J
5 M# N. \! Z' c/ Q7 _9 a& v　　其中函式sizeof($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。
  B# V0 ?6 v. q% t4 G- c5 |8 ^; _% U/ O  X" u5 T, g% h* U8 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。4 m. _4 s6 h. Y7 D7 ?  w9 J) x
1 ]# W0 J: c1 r4 ]. k8 m
　　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？