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。  
  F% }. j$ g0 \7 C' @  h; e4 U* ]- Y; Q% e+ E& P3 O
　　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：
' O; E: B2 m. O. @% P
8 m+ D8 ?5 Y) J
/ w' r) J( h4 {5 s/ I& x' U＜form action=" abstractSRCfrompage.php3" method="post"＞0 P# v6 _8 B( Y( p5 a
　　输入网址＜input type=text name=filename＞＜br＞
& Z- _# R. g  o; E3 W, J　　＜input type=submit name=submit value="提交"＞
# E: z/ X, R6 G( z/ K＜/form＞ $ G6 m" Y* s" w

7 y9 m$ y, p  G# @3 B" m% ^; D0 J# s" J& D- }; H8 w* W0 w$ w* W
　　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：) N8 ~, A5 e  l/ E2 e
$ d  N8 K3 G+ h8 l& A
3 V8 t. g; Z5 {8 H) W2 E1 W3 j
＜?php0 O- A) {% i) O8 C; q4 h" y
if ($filename!=""){; B! S4 R' h4 X9 L0 h
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；; V% s7 y7 ]' r" I) h
while ($buffer = fgets($fp, 1024)) {
% d' G0 [' s0 f  ]5 J$source .=$buffer; }
) Z* |6 }% h7 K5 o% cfclose($fp);8 Q+ g3 e# F! T- i" b% ?" z/ s
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
. ]1 a  Z( p4 Q( T6 a- e0 ~2 P( rif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
. n( I: h5 K; m1 mecho "找到图片标签:)＜br＞";}# e- x3 g5 u" w$ f! d% X4 U8 `/ b' p
else{; k) d4 l2 H, U+ O* @* N/ R! w
echo "未发现图片标签:(＜br＞";}
, N" `( |  r( a6 Rfile://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，, w4 S- ?* V$ c" H" E5 \  e! k
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
/ Q" B6 P; T0 `echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";* j. C( ]& X& \9 _; F( `
for($i=1;$i＜sizeof($splitres);$i++){
: B' J  i( M! [3 d3 M( Q9 }file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;! Q3 R& x4 e) Y/ v9 |7 O! v
unset($imgname); // 再次使用前删除imgname变量；
) {7 d# R# ?7 K* x/ x$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
; W1 `( L6 G2 ^1 z6 Q: eecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息- ~! i3 g, y2 r8 i& {( }
}+ t* w& c1 ?# M. C* K- k. `
}
2 p# x  S6 b& ^( [. G: f?＞
: b9 ~- q% B8 |. ^( y
4 J+ {7 Y% \3 {7 V2 w. J; e
# e' E7 u- h8 s9 k  x　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。; X$ b! v9 c) x  q7 h* f
  O. X! M- Y6 \- x2 w6 b
　　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。" a* [& g' S4 ]8 O8 o
/ r9 q7 @, i; Y# ]" |: j
　　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。
$ l) I2 I/ [; z  M0 N$ @) b* N% y
2 D: A' e) @( O! P( R　　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？