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。  7 g# w) _/ D% r3 S; I4 i
$ F1 D+ V2 a3 Y$ x3 W, D
　　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 P( w: c$ m" A2 y! y8 B( j( s* T9 ?. }; U1 J4 S
3 T8 r' W% \( t2 g1 [# Y5 v5 t. A
＜form action=" abstractSRCfrompage.php3" method="post"＞
+ H$ q, z$ }& t! S5 U, T　　输入网址＜input type=text name=filename＞＜br＞
' j9 |+ k% |0 V0 n　　＜input type=submit name=submit value="提交"＞/ B/ E; {( r. P/ l
＜/form＞ 1 T/ s" X% [, a' e6 X, @9 B7 B
# t$ \. r; y# h' W3 v

1 f- y8 q# A& d: _& O　　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：+ k3 _1 J$ H3 }8 b

1 A' o8 T; F7 |$ b! a; _( h, m# z6 \1 k
＜?php/ }4 \% X9 Q; `4 ?: @( n4 w( P7 B
if ($filename!=""){
! y& G6 _# X: T& x$ \" v$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；- d/ v% Q! \4 ?* K  r8 G' G- y
while ($buffer = fgets($fp, 1024)) {" j7 B' |" |+ C! a# K( n
$source .=$buffer; }5 S% s4 b9 T0 w  `
fclose($fp);" p' m, H6 F) r
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记: H& p, f" O$ _+ b2 `0 _
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {0 r+ ^! s1 \& T* w! A7 I4 K
echo "找到图片标签:)＜br＞";}
  R8 ?, n+ D; f1 n- p# yelse{8 V3 [6 a$ |+ X
echo "未发现图片标签:(＜br＞";}, J; u: X! ^7 f7 L1 _9 E
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，! N' i! g! L+ i; ^9 B  p
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);$ s) A/ J7 {) |9 J/ J
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
9 `6 f7 t, {# t& {" e" |for($i=1;$i＜sizeof($splitres);$i++){7 I1 y, I1 [4 E
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;0 X* i& o  j+ \+ c. Q
unset($imgname); // 再次使用前删除imgname变量；6 o7 m# ~5 q. _  i
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
6 S; `( z  C) S8 ^4 y: }0 \* v6 qecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息3 m. G. Z( Z- X& W3 j, f
}- j. h# ]% |! s+ t
}
' |+ h, x- u0 {+ C?＞
/ n* r: R" M' o4 E. w/ c3 g9 W( d( V. R( q- M+ {+ z8 i$ f( ?

( w9 g7 X$ y4 S; J$ u6 m! 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。3 s4 N; n6 J9 u0 K* p+ ?

8 S. \+ X$ l# \! A　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。  j1 Q2 T. |  C, |# i$ t3 X+ C! ?
: U  f" {3 q/ i3 O2 @8 o- r( I+ B( w
　　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。
4 D. W0 |* W  {
: T9 ~" Z( Z; l* a. r4 I' }+ q" n　　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？