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。  ( ^$ S4 y' u5 w" L

3 ^7 V- r2 `9 o1 b　　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：
  l0 o% X# ]6 |, g. E7 ]7 J8 S
$ f9 E' z( }+ V' T# ]" B4 @! w9 Y
＜form action=" abstractSRCfrompage.php3" method="post"＞6 ~4 y  {/ \. |4 l  S
　　输入网址＜input type=text name=filename＞＜br＞0 t; P! O8 S! s+ w% m1 C
　　＜input type=submit name=submit value="提交"＞; k, `4 U% m3 r8 T$ b
＜/form＞
9 P! u; E4 j  ~5 V- H* i, u9 L7 x- \( d% M+ O

! D) Y. Z& X0 g　　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：7 W1 f( u# Z# q: |3 {

6 |7 p4 ]/ t9 j/ w1 m5 g1 o: u4 K
5 e$ |5 l6 g; h' X  R; `- p＜?php
1 [& F& [5 d; Z: x  C+ P' Q4 v9 bif ($filename!=""){' F2 e) W$ g% O8 ]9 R2 P; y
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；3 y. t' L/ m, f1 M! L7 C/ h
while ($buffer = fgets($fp, 1024)) {
* R" \7 l4 B' j3 [$source .=$buffer; }& G3 @$ z6 d- h0 p( ~1 P
fclose($fp);
, h. l; K5 L, P$ {4 _9 l0 Xfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记9 e; F( D* @: L
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
2 j# a# H* g1 n, _# Fecho "找到图片标签:)＜br＞";}
$ |- f" C+ E( c8 O( ]else{
+ [3 s0 n8 b) becho "未发现图片标签:(＜br＞";}9 P8 R2 n( j1 E5 c9 d$ 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，
) C) {8 x' `" V% y$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);2 Q7 [1 t* m  h4 m7 Z) y* m
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";. A( ^7 f" e$ n
for($i=1;$i＜sizeof($splitres);$i++){1 a% b( K$ Y  U8 J% Z. Z
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;
, T6 z- P) X# g- ^0 A' Y( Nunset($imgname); // 再次使用前删除imgname变量；8 R9 |$ t% S! W/ R% Z* O
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量9 k9 S( O% A9 v8 Z4 l
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息# t# P+ W" U6 k- H8 ~2 o5 H" \* O: h
}
( p* ?+ p3 H4 t( ?5 X. |$ e}' _- ^6 P0 N2 Z4 B# O
?＞! a9 l4 d* l: O6 f) S" Z+ h7 ?

0 V/ z6 C, B$ s1 R
  C% g8 G" S$ 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。. }+ q1 V3 P0 w+ R: J, T2 r

; A6 ~4 x. E8 a　　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。! V0 t" X; ]& M5 q9 @# z
  K( G7 i2 V; J0 Y+ c& F1 E
　　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。! t" ^& d6 U- t0 |
5 `. O1 Y. n' d
　　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？