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。  
: [# Y  b! X3 _0 D2 S+ @0 q1 ?1 H; X! V8 U, M" e6 u
　　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：
' N2 \( b) d3 {* N' o$ w- t, U
, u) N* p% {7 r. |# ?0 M. H/ Y. C  q  z+ }
＜form action=" abstractSRCfrompage.php3" method="post"＞
$ M* `- K  L$ D. v" \9 e; V& t+ R　　输入网址＜input type=text name=filename＞＜br＞
2 F* {- e# _0 I. @% R　　＜input type=submit name=submit value="提交"＞
$ J# Q( b. U% g( ?; {" i＜/form＞
8 e  p  |4 u5 E+ o
1 n8 ]" u" y0 ~+ b, W8 j0 k% T3 a# W# p+ k* A5 P
　　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：
' K# J8 C" e0 g) b
: e" y  R- {8 l3 A3 A/ J! j6 d7 w; \8 ^1 E3 B1 t% u
＜?php9 o+ A1 Q. z7 V' s
if ($filename!=""){
1 J& }2 n* h! F2 {1 A/ A$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
& `8 L# S! `# n6 s% Xwhile ($buffer = fgets($fp, 1024)) {5 `+ c. @( H' E  ~0 O9 A
$source .=$buffer; }
! D9 i4 U! D, S  n- C- n+ h0 K# Ufclose($fp);( K% A* L: y/ K1 ~! U! m. D* |& B
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
6 i( Q# @- |4 mif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {# r# X, y  o- h( p& |( r
echo "找到图片标签:)＜br＞";}
! ?2 Z! c: k, u7 J* O- k0 x/ eelse{
; ]; R7 \7 l8 n" Y8 gecho "未发现图片标签:(＜br＞";}
+ J6 B9 P, m9 Ffile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
7 N) U6 [2 b! W" a: M$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);! f3 K# I& v' T
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";2 U$ G* u& g8 J5 C
for($i=1;$i＜sizeof($splitres);$i++){
! x3 s. z. j; Ffile://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;
, N4 }; b! v+ Y5 N2 c2 F4 E. {unset($imgname); // 再次使用前删除imgname变量；
2 k1 N& |6 ]! ?. a$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
) q& U) c- D. g6 J1 O4 techo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
$ M9 Q2 S; Y) ^- {}
( |* q: k' Q9 k/ x7 k1 U* {$ ~}# a% B- Q. s3 p# ~" \3 D0 w
?＞
. J, o2 K6 j% ~! d, h. W" P% Z! A: m& h  x, d! g! I

  g8 K  r6 |& R2 q" O$ P　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
3 E/ D1 U& `6 P$ x+ S8 M( e. n! j) O5 n' ]1 Q6 U0 Y2 b4 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。3 r1 i; [! t% Q& H+ }2 F! g

  T+ E* K' n8 ^. h　　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。! `1 t, M9 z( l" v$ f! f, C: F, L
7 n; k2 H: B5 J& y$ Z7 ~
　　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？