|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14191
- 金币
- 2386
- 威望
- 1647
- 贡献
- 1334
|
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。
i" @7 y+ @( o
( ?, [- m! T/ s* ]7 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： ( E; b4 B7 I1 v. l* D
- m% ?" r- a$ n% H" E0 |6 t
$ j( j' @+ r5 D. ]＜form action=" abstractSRCfrompage.php3" method="post"＞- R: U8 x2 R! s4 A3 v
输入网址＜input type=text name=filename＞＜br＞$ R: P8 l. ^* c6 W
＜input type=submit name=submit value="提交"＞7 P& w* e1 z# h. x0 |: {# D% x
＜/form＞ ( c1 Q4 `9 J1 d# q. A, e! X
. r1 X% [1 G- y% {) K
- s* K3 J4 m% y" ~. A
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：
, F6 I; J$ q* `- X3 B9 L" T
$ Y7 d# B' T9 q1 u2 p+ T) y9 R1 v
＜?php" m# k8 u4 ]& [* D. c+ P$ ?
if ($filename!=""){% K$ Z& J* l% P4 ~" ^
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
# l) S) B o7 G2 \/ J$ T* Y% O/ zwhile ($buffer = fgets($fp, 1024)) {4 Z! y7 d* V/ j7 i* ~
$source .=$buffer; }) b8 G' h9 u# h+ E2 f4 ]! T
fclose($fp);
5 _+ t7 [- `4 p! b1 m' U3 Pfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
0 e6 e! T" V, oif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) { k( P0 f- H4 |! f! L7 d
echo "找到图片标签:)＜br＞";}
5 c3 F5 v8 k5 Z5 C2 [else{+ r9 _( u2 V# _) Q5 ~; u( \
echo "未发现图片标签:(＜br＞";}
8 s8 @8 n+ [. Jfile://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，, k1 `! p1 _4 A: s; R5 a/ W
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
1 o# k3 Q/ L8 cecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";) p) q/ T0 t# H& z% Q* `; ^
for($i=1;$i＜sizeof($splitres);$i++){* T. q! u. P' \1 m# ]: i
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
1 t Y% I1 b) O# l" d+ W, funset($imgname); // 再次使用前删除imgname变量；
2 y) |, W1 |: R* M5 t$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量6 x, t1 v2 [7 U, E4 T
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
% e3 h2 y2 N* j. x5 G) [5 z. N: `}3 M( a( f l# ^+ Z3 i8 Y
}. E5 [5 g1 @" J9 r
?＞
5 Z# V B1 X7 K: z) R3 U' | _/ ]) F9 Q8 D
7 q- l9 n- C! ?0 k% B 该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
9 E9 i( ] Q0 ]4 M1 H: Y8 }9 {: s7 G8 T2 y
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。- F7 {: u& r2 q1 H3 j3 ?+ `
9 \9 y9 h+ u% J' h% q& u0 f
好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。* U, J" j& a" |$ a: `+ ? Z
' g( g7 A* W( 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
| 