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。  
) Z8 g! F6 p9 R0 y9 A1 f3 ~; |2 ^2 A4 a# K, V
　　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：
- J, ~5 e. Y3 K; s8 ?; @) L6 |" c! O3 Z
1 d$ T4 q% v% M
＜form action=" abstractSRCfrompage.php3" method="post"＞
+ W5 a. y( e1 P3 d　　输入网址＜input type=text name=filename＞＜br＞3 P( b: {+ N# ?, j/ b
　　＜input type=submit name=submit value="提交"＞& ]6 P3 ], x7 f, ?% i  }. ]
＜/form＞
- X7 j3 W: v# c, ~
" s5 A7 j3 w7 z6 b7 z3 X) M6 U0 {% |! S; \# z
　　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：
/ F) y/ A  o$ Z$ c0 x, V" w5 H- r  q. ~, J

+ Q1 l- B& ?- Q  U, i  [＜?php
6 l3 R* Q4 ]& Dif ($filename!=""){
% P) i6 z  ~$ t- d$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
: J) C1 q% N7 p/ {" Bwhile ($buffer = fgets($fp, 1024)) {% B2 X( T9 @) v: T. y' a4 }) o, a
$source .=$buffer; }7 K- l0 A, z, n) j6 X* e
fclose($fp);; S+ C) k; `4 q2 ^
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
; L; m& \& m8 g9 u2 C4 uif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {; Q3 B! o# V5 @- a$ D
echo "找到图片标签:)＜br＞";}) H- i! y( `4 n4 x# b3 l
else{
. r; d. k8 h& ^0 [, e! yecho "未发现图片标签:(＜br＞";}
5 P3 w, R* ]. i" {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; L, V' k- f7 b
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
: l) |7 s+ N; G! j  Y7 a; zecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";* G4 U5 [( u% Q# z7 n
for($i=1;$i＜sizeof($splitres);$i++){1 c9 h6 d% E/ O* o4 N# w1 U
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
3 u. W! l8 P6 A3 _/ lunset($imgname); // 再次使用前删除imgname变量；
/ @. l6 b: f& ?$ o$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量+ }' ?1 O' d* i8 m; S) o$ I
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
2 s* e4 w  B: i7 B& t2 O  {}
! o- @+ O$ |. M/ A$ L}( R. i* h9 I& E  m0 B$ ]
?＞
! N0 a$ F$ h: @# S' d, F$ J' T9 Y* B4 [; G; A$ U+ }

1 n: e7 A# c. K3 v. C; w1 L3 K　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。( O# e9 w' t; G+ j
0 t' i, V8 T2 `
　　其中函式sizeof($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。; a; d0 C" M; _8 V" i
3 P# d  s- n9 y: {6 f: P
　　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。" `/ r0 I% H2 A0 _
& {9 ?0 z. M) 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？