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。  
0 u$ u# }# r6 y
" W; T2 [: `; `/ K6 E　　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：
& [. [+ `, J5 J: h* G  K" k
; W0 x2 p: k8 m8 n) G9 ^, q  N- t& O, Z& p* b
＜form action=" abstractSRCfrompage.php3" method="post"＞  J7 x$ p  {" {" ?" w2 p
　　输入网址＜input type=text name=filename＞＜br＞) B/ U$ k4 f9 z; I1 g9 w/ o
　　＜input type=submit name=submit value="提交"＞
+ P# @5 _* Q1 V" q1 O, L! k3 m＜/form＞ $ ~, r. J1 Y  `. J
' u& l! j1 b2 E! R
6 b8 ?0 z5 z2 R( }: R* d
　　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' b5 G2 c7 A* s& c; M
8 g/ D: b- g! ~0 s2 N& A$ u/ a: Z4 F% Q6 S1 Q
＜?php
* O8 C# t/ F9 v* D  vif ($filename!=""){) r2 e( n9 B% m0 N7 {( q
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；' j) S+ C/ G3 D1 X9 m4 L( J
while ($buffer = fgets($fp, 1024)) {
% ]+ _" n" x3 T! v& {- m. m6 G$source .=$buffer; }
5 i: h; X3 X6 h& Mfclose($fp);
9 K4 {; a+ t# J/ t" @file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
6 y& e8 x9 F1 E" ~7 xif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {5 K1 ^# b% L: K
echo "找到图片标签:)＜br＞";}9 f/ D) y8 I5 y4 z3 |$ R7 @
else{
, s$ ]  v, Q$ F, Recho "未发现图片标签:(＜br＞";}- P1 f; r- w3 a3 c  \' d3 X9 }
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，+ ]5 c& Z8 R6 q$ @2 [
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
0 ^: V! L! Z2 S& I, A9 [8 lecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
% G( M; i6 _# H/ Hfor($i=1;$i＜sizeof($splitres);$i++){! w% ?. u) A3 ~5 w6 a8 V
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;* b4 c* H1 [- `" N) m& \
unset($imgname); // 再次使用前删除imgname变量；
& H# ?7 }# W; N! \7 Q/ n0 F2 I) A7 A$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
3 ~% U7 b5 F3 Y5 s. uecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
, @! g+ ?1 r" V7 W- s}
9 L* a( u1 T$ d7 W}
% O/ R9 j2 W, B6 I: H: p?＞
& o/ ]7 w- O2 T0 e: u+ v/ f- J. ^5 P0 {4 ?+ J; m

! F) n% H4 E( l6 Y+ T5 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
7 y5 ^6 S1 q$ O1 l) C+ K  v& y' T0 s
　　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。& f' \" r- r( A* V. q
. x( a# e& F6 b" c+ L
　　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。
- g2 r# N, l+ R9 F' O9 b  w1 C  h
　　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？