|
 
- 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。 * ]0 j. @' a; W
% u! L2 G4 i9 W) {% c# y 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 C' `9 L/ Q+ ?, \ w$ ?0 g
7 X$ c) P1 G1 I
& G. d' B& Z9 Z1 f
＜form action=" abstractSRCfrompage.php3" method="post"＞$ d. d( u$ ]4 z4 l! k/ e, {
输入网址＜input type=text name=filename＞＜br＞
) K9 i$ B1 r, P. \' c: W1 T ＜input type=submit name=submit value="提交"＞
! l# |9 s) e$ Y. F; u2 \＜/form＞ 7 T1 x" N( F" w0 N- O
$ \2 U7 Q {: C. U; K Q( a) z5 {; Q* @1 \2 R1 P. Y! 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：2 D# _* W$ ?5 @. G
0 D2 Z9 M. E2 T$ G1 G+ {0 T# P: d5 g# t0 V! v3 |3 T% j3 L
＜?php3 f7 p; G. v3 N7 z/ i6 v2 ?6 d" g
if ($filename!=""){- e/ o5 z; J" u9 [& b T: X, m# j
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
! U/ A1 k) T( }9 y! Cwhile ($buffer = fgets($fp, 1024)) {) c: [& D* |# q, }2 X
$source .=$buffer; }+ Q- [( m& q8 {9 r% m2 N
fclose($fp);
! |9 G# W8 _% {0 ^( }+ \4 x3 i" Sfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
0 L- ~! G. S3 i( sif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {7 [& w7 ~! L0 A( u
echo "找到图片标签:)＜br＞";}
1 r3 d* F" @4 W/ D* t7 kelse{
" y( k8 L+ j: M# h4 O. Cecho "未发现图片标签:(＜br＞";}
' b7 R6 A1 d# i! Xfile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
/ Y; W8 E! _) Q2 |, n; f' R, I$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);* ~. o" Y# y0 D9 J
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
0 k( |9 T* t3 bfor($i=1;$i＜sizeof($splitres);$i++){
9 `9 v/ Q5 n- e* u$ f. 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;( r" S- t" r2 U7 p
unset($imgname); // 再次使用前删除imgname变量；3 ~! Z! F0 e. n7 K
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量- Z L4 `% T( U' P' f& ~. l- J
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息% C4 v q8 Z9 J
}) y1 j9 r) _7 |
}
/ f) t P' r3 K3 j$ k5 N9 E& v?＞
6 n' R" E4 M2 B
, J- A9 u# ?, F8 {- b# W
" @- X) O& n" n0 S3 p: D0 E 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。- R q3 A b- P3 @# c# @
% k- Z& [8 Z- R1 Z
其中函式sizeof($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。4 R t0 ` X1 M2 Y+ V3 V' i9 j
+ n' E5 c J/ W; V0 w) m# s$ S
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。! s- f2 J: J, Z* n: q7 ?4 I7 `
$ ?, N2 {' M e# t/ \ 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
| 