|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14163
- 金币
- 2372
- 威望
- 1647
- 贡献
- 1320
|
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。
4 I% Z+ A1 C) Y7 ^$ e5 ?" P3 D# v
/ A0 `2 r. V R0 @& L& h 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： 4 j, k* x7 }0 e' B, c
, k% K; c) `( e3 G: C; l# G
/ z" q% W: B! q" [
＜form action=" abstractSRCfrompage.php3" method="post"＞
% ?, v) N B# o7 \) \1 q8 A- I$ r% G 输入网址＜input type=text name=filename＞＜br＞
& T: D: ]* I7 d- x/ \% Y ＜input type=submit name=submit value="提交"＞/ M! m- B' r! D2 H# n
＜/form＞ 8 K3 ]3 I) i- T0 x9 g. d( N9 R& k1 w
7 w6 ]1 G `, ]7 K, O, X
: J, E& ^' _) V4 ^$ i b! D* ~ 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：
$ S1 f. y y- J" C
, i4 S9 u; }( J7 {% s0 b! g. s
" e* z0 [7 z# p＜?php) Z" L8 H8 O$ m$ `
if ($filename!=""){; ~! q3 N! ~6 ^6 ^" e$ C% {' ~
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
: A9 r/ J5 W: lwhile ($buffer = fgets($fp, 1024)) {
6 v6 a l2 ~6 p( u$ u& B% U2 c$source .=$buffer; }0 L& H! x) O) S( R4 t
fclose($fp);" k M$ h1 |# u! I s" o J/ D0 t: ~
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记3 c3 Q6 c( C K9 A
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {4 r& p: l! ~" V, T6 V/ K
echo "找到图片标签:)＜br＞";}
1 G m& g3 n3 g) J) D Y1 u5 o, \else{' v9 a0 { y% l# s) F5 q
echo "未发现图片标签:(＜br＞";}
/ X! E1 Q+ D) |; wfile://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，
( t6 ~- a% m+ E# @* ^2 H$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);% P# b0 N0 g. R; h1 y) w
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
: ^) k) @: D+ U8 B# L" v! nfor($i=1;$i＜sizeof($splitres);$i++){
+ |* s# T- X4 _- @3 t3 ifile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;. c& v% C$ s# v' A- _) X
unset($imgname); // 再次使用前删除imgname变量；- ]# P5 f; Z. p& t
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量7 g" {1 ]6 e- D$ P( \7 }
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
% e& B6 w( `! a( A3 O6 J4 u: X}
0 q7 a0 P9 K! Z! s) C. y} i R- g2 z0 R' H) u2 x. o1 B+ s( ]
?＞7 z; A% w* D5 l+ |
) C4 d! D; s+ ?% t
, ~4 R" |, {' |) Y" b" J 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
% t) M7 r6 ^' e) W2 _/ Q) ]6 ?# C* ?" l+ `) `5 d
其中函式sizeof($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。* p6 e8 \# J8 l4 T l1 c0 n, v
2 f- a( U# }; k 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。! ]" e' u( B! p* F _( ^
) w+ A/ y5 ?* ^: z9 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？ |
|
发表于 2008-1-19 23:31
| 