|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14221
- 金币
- 2401
- 威望
- 1647
- 贡献
- 1349
|
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。 % h9 x- H! c/ u T8 e8 x. j% H
3 n/ _- ]+ s; O- ] i5 }2 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：
5 _. u4 E$ ?$ L; ^' D9 W, I* O6 X
5 W" Z# l- z _
7 @3 j% S) v8 \' v2 W7 w5 D: m＜form action=" abstractSRCfrompage.php3" method="post"＞
7 [! ^6 Q) C! s4 x, }5 K }4 K 输入网址＜input type=text name=filename＞＜br＞9 p% I+ z! w' t( k
＜input type=submit name=submit value="提交"＞, M7 a$ q( n6 [ `+ Z
＜/form＞ 7 C0 O+ s/ z, p! [+ i+ K# p* S
) ^: ], B+ g. B0 c8 v9 K6 n
# x5 r* `& v, N' @" [, \8 w 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：( l r: x/ K* q; }
) G1 N4 ~( @& I# c
2 C: c5 U' R" K/ d6 p＜?php. b: W2 t, h) }0 z
if ($filename!=""){
3 d5 K* Q# U! O4 A3 e$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
& L) a- X( W9 l" h, A6 V' Pwhile ($buffer = fgets($fp, 1024)) {
: x9 V" i/ _: c0 @3 s$ e$ A$source .=$buffer; }" i: k7 n+ z9 U5 e
fclose($fp);3 U; `0 j# M$ ]3 E# I7 ^7 W4 \
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
+ x* H& I5 O7 ^0 w! zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
* Y& K* `- M* decho "找到图片标签:)＜br＞";}
' m6 o: A4 |- C% X! P( xelse{
7 I9 o, Q' b- k. [4 j% Yecho "未发现图片标签:(＜br＞";}
9 R$ K4 _* S+ r' c% T- v% Z% w' xfile://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，3 Z( Y" y ]- ?" \8 e& P
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);+ a; k( S" C9 E0 v% i0 C& D( \, r8 i# C
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
& \* h) R8 P! s- ]3 d# d$ }for($i=1;$i＜sizeof($splitres);$i++){- J5 x; D3 N5 w- _( F9 {/ u9 V/ G0 O" S
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;
; v. v8 V8 B3 Zunset($imgname); // 再次使用前删除imgname变量；
- D2 q! w+ P+ {3 }% q& Q3 Z$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量- S& P2 N {/ f' x
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息 Q6 z7 T6 R+ I
}2 _- R. y ]: O; t8 V
}; d; J; j! \& s# G
?＞; e7 ^: J9 S# y6 L0 w8 a/ {% a
- i8 Q* A8 v& E( G8 a$ }$ T2 _
8 O0 Q L* r8 f! ~5 A6 W- W2 b1 \ 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。 p- M+ }& t8 I* A' G6 R' s2 {5 {
- [$ @1 g2 Y! @6 `4 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。
& J5 s6 \& U; b# ~& A- U8 [8 K7 i0 F0 R+ U0 w
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。" ^2 j9 P' G6 [; b
8 i* C) z, }4 b4 p& _
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
| 