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。  ! u0 _' k+ B8 Z9 J& U
: a5 U" e$ ]3 o6 J% q0 Z' y
　　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： $ _0 y% A( Q+ O" ^+ H, o+ E

# @! D/ ~" f5 i& q9 v& h: B, \. B. ~2 B/ ^% S" [
＜form action=" abstractSRCfrompage.php3" method="post"＞
+ q4 w4 Q" x" M6 f3 u2 u+ m　　输入网址＜input type=text name=filename＞＜br＞8 _- u8 I0 K7 v, b
　　＜input type=submit name=submit value="提交"＞
1 p* |& }5 c1 D% h* k1 [3 M＜/form＞
) q2 v8 n9 g3 L- A3 ^' W
6 K3 u" {$ k1 _8 Y+ Z
6 |" Y+ M- b  j" \　　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：
9 J1 U& |3 a6 T, L
/ O. k3 u6 o7 B8 V# J, J- v5 U! A" i
＜?php
* y! \6 h3 f" Dif ($filename!=""){
- Q8 c( q. \2 b( u. Y! V3 L, a1 L$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；- m/ b+ q) `% t
while ($buffer = fgets($fp, 1024)) {
8 W) x0 b: k% i3 P4 {$source .=$buffer; }
: K5 ~' E( n1 ^( H  K. Ofclose($fp);
8 z7 U# ?, q% k6 Vfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记, p& ?) x; B+ s( z2 r$ `
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
, `( f' o& g8 U* fecho "找到图片标签:)＜br＞";}
8 U: a2 J+ y% k$ Felse{
2 n1 |! p. L/ z. E% @: i, Decho "未发现图片标签:(＜br＞";}
* S4 r8 o/ x. X7 v. Q3 Sfile://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，
2 E6 S8 ^: t; e: o" a; _" a$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
+ V2 |1 _& ~3 T& }0 M2 i" A# k/ j2 x+ Iecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
" B4 T6 i  H$ l- Gfor($i=1;$i＜sizeof($splitres);$i++){
3 ~: _2 o8 w7 ]; X4 wfile://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;5 x% ]. n2 _5 B! e  \+ S
unset($imgname); // 再次使用前删除imgname变量；- B+ M- d  Q# g% z0 ~' P
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量6 U+ L7 k- n3 S( a* z! e1 R$ `0 _) q
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息) [$ K" b" I* c1 N* K! K: Z  r% J
}
' R8 }" u! @9 M# u+ j# ]  [# O}
; @$ O* e. Z) D; [% e. ^?＞
& ~  |3 s% R7 M! O5 Q7 ^% y# Y9 H5 E

2 G* M+ E) w8 R: 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。7 P1 V2 q6 G. b; m+ r- J
, l8 G1 D7 _9 O& t
　　其中函式sizeof($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。
! T7 E! m) N0 K4 X" y4 d; q+ O: v- {
　　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。
' t$ J( E- P9 j5 y3 w
5 C5 v9 ?2 p3 J' u$ p" f- u　　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？