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。  
4 w3 K; p0 e8 Q( W' ^; ?; e% }) B: E
( a; n- y8 ?% \  c　　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 U# _, s2 ]1 l7 {
0 R3 Y8 y4 w- B/ J: M# P

1 U8 T" A+ f# H* ]) J7 s+ ~＜form action=" abstractSRCfrompage.php3" method="post"＞+ G* v7 L9 j! K# ?3 B  O2 v" D
　　输入网址＜input type=text name=filename＞＜br＞
' w% [+ l1 a+ P; m　　＜input type=submit name=submit value="提交"＞9 e+ {% i- S" Y" F$ |& F' t
＜/form＞ . L1 E/ ~% H, N9 V9 I: ~, B
$ g3 l  Y$ h! N; @
6 e- R8 ?) L% U/ x$ q5 |( b
　　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：, p3 Q2 B( n, a+ }* V4 `( z

* l/ w# v. t4 E. R  S/ x" h# B: Z% C* w* \* y  L
＜?php5 f$ B! I8 e( V  z) X( G4 y
if ($filename!=""){
' V" ^. h8 y1 |, k% w/ P7 L' z( E$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
8 M7 e- O' f+ u* a, h! Q: @while ($buffer = fgets($fp, 1024)) {6 T1 b7 m" q. L# F3 E6 x9 m, K$ n3 w
$source .=$buffer; }
4 b+ ]: G5 t$ N/ s2 S2 c1 N3 dfclose($fp);& N! ~$ ^/ ]' ?8 c0 Y* ?6 p
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
1 E, [! ]3 j+ N! b5 Bif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
% p5 {, q2 h+ ~echo "找到图片标签:)＜br＞";}
, r) m; j5 T' {; a* \else{
- Y* T& `2 g8 ~5 b+ v' }1 _echo "未发现图片标签:(＜br＞";}7 N" n, V, U$ S1 y5 p9 T( l4 a! e# g
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，
! s& D. {% T+ U: V# P; V+ y& h$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);+ t! f/ I2 _: b9 ~( F8 v) }
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
. z) L8 p+ t2 Z: @  Z+ G+ {2 N$ dfor($i=1;$i＜sizeof($splitres);$i++){, p. [( e4 S6 m* d; n6 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;
2 n, o! k2 N5 O7 y; c: a. L8 cunset($imgname); // 再次使用前删除imgname变量；" ~. O6 E1 G1 {; `
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量5 @2 X8 z0 ]7 U! y1 }  ^
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
: D4 Y2 G) r9 w( i  B" A: m}0 E5 T; m$ M% O# }4 [  {; ^2 _  ?
}
/ M) \+ W8 a" e7 N8 {. M6 h- `?＞; v0 j  Z; K+ U5 [* y
0 {# r& k1 P! k1 `5 f

1 m: g' i6 p. H　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。- s) V$ [, G# M! x3 j
/ \" Y1 \$ U: N
　　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。2 i, n( I. ^& j0 ^8 }: g+ E
6 G& h, u9 c* c' T) A
　　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。
) [& P" ?/ M% V7 C( X" D& i' [# }0 w  F/ ^6 a7 Y; M0 _
　　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？