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。  
. q. C( `& ~* h: Q9 l9 {+ ?- p
7 L2 E4 G2 E3 Q- e, g; V( R　　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：
+ n) Z# M" _5 Y' n4 S# B! I, O, O, Z, C" t( ^. i

2 Q9 Z5 ~+ w7 N: ]＜form action=" abstractSRCfrompage.php3" method="post"＞4 m  @7 V$ w- h6 D, K. t% D+ O: B
　　输入网址＜input type=text name=filename＞＜br＞
, n! T9 Q- [% g　　＜input type=submit name=submit value="提交"＞- p' r& |" c+ F
＜/form＞ 2 p3 P3 L" z# W( G
$ [( `" R/ B1 J
( d; g) N( T5 s
　　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：
& P- T) C( @) Z/ n5 `2 I) A9 F
3 A5 S" g" ]1 d4 l5 Y! y$ |# [- h; g. n, \: Z
＜?php. L9 v& |" Z0 z% Q) j- ~, ]
if ($filename!=""){
& v# d! p8 J) B/ E  ?$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；% B9 l$ H( n( h% d# }6 E
while ($buffer = fgets($fp, 1024)) {; @, i, I% g% L" u3 Q
$source .=$buffer; }9 m+ s6 M7 x& f( M* W# g3 O
fclose($fp);
& W  _3 j: M4 S0 c! I  i5 [( h  @' p# Pfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
( d; T% F. l7 D  Kif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {; r: l% j% A$ E& k% W
echo "找到图片标签:)＜br＞";}
9 M, N8 W* @: ~6 J+ h- \' ~else{' Q* M! E: e, ^* D5 l3 i0 {
echo "未发现图片标签:(＜br＞";}
7 G' e# c# H7 `, i" C0 ofile://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，1 d* P2 ?  s0 k6 k
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
' c. b% |3 V5 V: Wecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";& O3 H9 Q  O5 W: n1 D
for($i=1;$i＜sizeof($splitres);$i++){
( ~* u! w/ ~" d2 |# vfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;' k1 @. k9 C# C+ j+ S) o# @
unset($imgname); // 再次使用前删除imgname变量；
( _% ^# e' P: C+ E7 o" {$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
4 z% ?. j% R; O" Techo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
5 o2 H! a* C, K# H0 p+ [  l1 p8 b}' N8 h1 G5 D; M7 B9 b
}7 a9 ~+ l* q+ g2 [
?＞8 [8 p# {* j& B

' @  y5 `' U. G5 V0 W0 F( @/ Q& D& f7 W; z$ U3 f0 J
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
5 r/ k/ P( `. p8 T! c
7 a1 B( G# _( H. O/ e2 r　　其中函式sizeof($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。
4 g' J! {6 X8 k5 j! `
, m  u9 j3 y8 m0 ]8 [& j3 i　　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。  v5 H4 D. b0 B2 h- B4 Y

4 b% G& r4 L5 h; S8 v5 j　　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？