|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14159
- 金币
- 2370
- 威望
- 1647
- 贡献
- 1318
|
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。
/ u, S" q, D3 N- H( f( n4 y
& E: X2 |! @7 ]8 ~) z5 a 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：
" i1 I; t0 A3 W# W) L1 v
7 v a1 s" w; [% a2 E: B/ ~0 B0 b- q4 e( a0 }+ d2 @: q2 a# G1 Y
＜form action=" abstractSRCfrompage.php3" method="post"＞$ ~# I" z- t& B% E, T# ?% ]2 k
输入网址＜input type=text name=filename＞＜br＞6 [" A! z& j1 N9 A, P. [
＜input type=submit name=submit value="提交"＞
( M( v$ } `/ a- e( x＜/form＞
- Y6 d/ Y8 O h; x D D7 Y3 t
, v) A1 l" l5 C9 x# h F
F: e0 Q. A# P Y' @5 d. P% 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：& U* ?7 _# P; `/ O* ~* J
9 s! L ]. H! Q- h& C8 {5 x Z; Q* g# e. n& }, [
＜?php
- b/ D3 I( M F _* `if ($filename!=""){; H9 O: |9 F8 R0 h8 F
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
- P# c. P9 F& v Hwhile ($buffer = fgets($fp, 1024)) {$ ` f% F* r/ A Z8 Z
$source .=$buffer; }
7 }8 ^. G# l2 a. |( Y! f7 dfclose($fp);0 c6 X, d$ L: c, C8 Y" L
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记* F6 M. |) g) P5 a$ J' }7 N, j
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
0 q5 f' g; N3 ^: n) ~echo "找到图片标签:)＜br＞";}
" X& b1 `0 i1 N! D1 @9 {else{. A( @' O, Q* a9 s8 L7 H# b& ?5 R
echo "未发现图片标签:(＜br＞";}! O; j5 g% Q( P. v2 O6 e- E" P, M
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，( A- Q/ Q! c' ~0 i
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);2 Q* c$ B, J) I1 M- i+ i
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
4 [! _0 R9 V4 ?9 Mfor($i=1;$i＜sizeof($splitres);$i++){
5 d0 a" s: i8 M* ?file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;8 G4 J8 a) u0 {% p
unset($imgname); // 再次使用前删除imgname变量；
+ v% x. W8 v8 Z- S+ V- F$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量, v+ m1 U3 J$ B- K& n
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息% ]+ a T' z. D& ?' E8 D
}
% @! u7 U. p) E! J}
6 B( r- }3 H3 K0 z/ O?＞" F/ w, l: e& S0 V0 Z% ~* v. y/ \
- e" P$ P; t- @4 y& [
& ~/ W/ U/ e2 [' u; t4 ]. R, n6 Q 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
+ \7 K$ X3 F9 a2 Y0 f( Z
, k; J2 H- P2 Q/ l" v 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。7 t. Z: I% o8 U. m6 h
7 g& ?9 O G. u, Y 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。
9 H" J+ F& I1 E: p; s2 S, |/ o" m) F4 C) Q. m
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
| 