|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14249
- 金币
- 2415
- 威望
- 1647
- 贡献
- 1363
|
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。 / J& y1 `. O' i# W: K
+ o, |: l/ u9 g
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： % ]5 `* x3 H# q2 o a2 H% \; x8 l* B
3 P9 ~# J1 x! o4 F; l( x8 c
0 ^; |, p# [( p+ H＜form action=" abstractSRCfrompage.php3" method="post"＞+ ^' `8 ]! n5 r
输入网址＜input type=text name=filename＞＜br＞
8 n8 z1 [6 Y, P r9 R/ x ＜input type=submit name=submit value="提交"＞
# u! B: P2 [% r! M. J! Q& t3 G＜/form＞
. X4 N: S& h, C- p9 n0 Z" t+ c; Q7 e) g6 a: G+ p1 l
9 A' @4 X' |+ n3 |" g3 H6 k 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：
$ h$ I, u8 `4 X/ ]1 Y% O9 @
1 n# q: S+ v% d8 q. G. b+ M
% }( F+ x5 j; d% T4 E7 a$ i: j＜?php
1 i W# m5 F' S/ O+ |if ($filename!=""){
p4 s8 D6 g8 X" j$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
% @( }# f" `3 b4 xwhile ($buffer = fgets($fp, 1024)) {; p& V% W2 _8 u+ g
$source .=$buffer; }& K& w# {8 k e+ q2 ^
fclose($fp);
: e" d& B1 |/ [, w5 a" P# Efile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
. A4 b' A& u: M7 e/ Nif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
/ _. c& r" {$ c( W- `echo "找到图片标签:)＜br＞";}
" e& O1 v6 M/ ], W0 k6 ^3 h; |else{7 X: O6 j: W; i9 d
echo "未发现图片标签:(＜br＞";}# b/ j; A% D$ A' B. K
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，
6 k% m2 ~8 L( K$ Y. u5 ^$ t- {/ K$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
/ z% P/ A- b" secho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
9 W7 Y% K6 R W lfor($i=1;$i＜sizeof($splitres);$i++){% O8 X" N/ i; X4 N/ {; K
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
9 P( _8 h( b+ ?; zunset($imgname); // 再次使用前删除imgname变量；
" N2 `! c5 j9 {1 d" t* v3 w$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量% l+ [' R& s$ j8 F: |
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
7 |6 G. y' o2 F9 ]}
0 x% e% P- f6 `$ @& D3 |}
0 Y7 T$ G8 P- o: S?＞' f3 u6 ?: ?1 y; p# F1 t6 @9 g
4 R0 h9 i; G( b \* O M, c
0 H0 C. A v4 g* x. F
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。. n+ o/ E; W8 b. {# T
X2 R) v7 e" l4 n) f* s/ r+ L
其中函式sizeof($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。' X; S8 r, z- o5 w* Y
% `; c; b, k6 b9 G7 q
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。
' \+ X% e. D$ }' N
5 G3 ]* h Z& `- Z# y) }1 K 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？ |
|
发表于 2008-1-19 23:31
| 