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。    _' M$ k2 i- K: a
5 C+ X" O: {( J4 T
　　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：
, w/ P0 H+ X+ o4 [. U7 s1 r  G
3 D# [' Q3 ]4 U4 V4 [; K& h6 X+ s8 o7 _( n2 I' I+ U  o. Q
＜form action=" abstractSRCfrompage.php3" method="post"＞+ L; G# s8 {7 q: [3 {
　　输入网址＜input type=text name=filename＞＜br＞. Z) C3 J7 T! W; T, P% d
　　＜input type=submit name=submit value="提交"＞1 K% @, C" V: J. G' x! W% n9 I" M# O7 O
＜/form＞ ; M1 ]8 @3 f+ B9 `' d' V

! Q* o$ H; J0 K9 w9 e# |! A5 s3 B2 k' a$ ]7 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：
! a. |5 y7 W- M
5 P5 x. r5 l( t8 Y2 w8 w5 n9 c) L- @/ E9 a3 V
＜?php
: y+ A/ U  P" e4 v9 nif ($filename!=""){! G& h! v4 s9 R# q$ S# A9 W
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；7 x  y! h* I. u+ Y( Q; b& u6 J
while ($buffer = fgets($fp, 1024)) {
9 E( w$ V+ _5 M$source .=$buffer; }( L5 g/ r# Z; Z4 Z
fclose($fp);
) U( P! x: u2 f" e5 a! p! D8 [0 Dfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记  n5 ^7 }; K" L: v
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {/ i/ |* q& _# r/ c% _
echo "找到图片标签:)＜br＞";}
/ H4 o( t4 J+ g, t6 oelse{
3 M' L3 q5 L) I0 P4 m$ u- b- wecho "未发现图片标签:(＜br＞";}  Q% x- c& \1 h! J0 n7 k
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，
: _: I7 G7 y8 }$ c- P" U# w( H$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
- d5 k6 b, Z0 C& |echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
; A% Z7 v# s' vfor($i=1;$i＜sizeof($splitres);$i++){
5 k/ N; @) B# Ofile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
1 q, R! V; f6 L! i. t! a% w6 w6 junset($imgname); // 再次使用前删除imgname变量；
) [* o' B, {3 \- v3 p5 m$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量1 V1 v  k, j- j
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
$ j! ?9 O) k; }. b0 M7 R}
0 v. A& ~( t: _+ ^; k4 i; N3 a: a}
+ |+ g% h$ [# F- \0 m?＞& Y# N( l, {& B
1 c& @4 K- V$ Q/ i

, q( x+ b# \+ F* b4 ]　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。" {$ `. l* d* E8 h3 F, c
$ ^3 b, l/ }& U# _8 u# \
　　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。8 `7 l) ?) q* M

5 S! N! q2 I/ ~; B　　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。
/ F: R; D$ k8 t0 y! e& k. |
. U6 F! y  o& t" ^6 B　　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？