|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14391
- 金币
- 2481
- 威望
- 1647
- 贡献
- 1429
|
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。 ; i& p( f I7 { d9 p4 k
) c5 e# Y5 j1 t" |+ r( U( z: ~$ Z0 ~
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; p. s' V; u- {- A0 H
2 h, G6 j: i5 }7 G0 w8 W' q5 x
& A# P+ T" y! T1 e+ o- D- h
＜form action=" abstractSRCfrompage.php3" method="post"＞
6 n7 |, ]3 y; b3 ^: {' k8 g 输入网址＜input type=text name=filename＞＜br＞
" A: H# u( @) F- W ＜input type=submit name=submit value="提交"＞3 s3 k8 f- Y# n/ n+ Y
＜/form＞ + B" Z6 |2 G' b H: \2 x! B
1 I9 h# y$ k* L; K+ } p( [
4 n3 V! ^" ~6 R4 j V% Q 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：
2 A$ _0 `0 f/ j$ }7 m: W
9 `2 T; y1 k+ k# @( ^! \1 K4 V) \. f7 i& Z6 j
＜?php) f! d+ p8 P' |6 X& x7 g9 B
if ($filename!=""){% R" _3 C4 s" ^1 p) j
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
( m. {* R$ c3 Bwhile ($buffer = fgets($fp, 1024)) {
0 M1 S& B" Z1 ]3 E! a# }2 X2 N$source .=$buffer; }
; K0 @+ R1 r( J* ~fclose($fp);
4 {$ w; M) }" X& e; Cfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记2 C. P; O0 @; ?0 C, s1 t' l! {' {
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
8 D8 o) t, p4 E9 m& `) X( ]1 I6 vecho "找到图片标签:)＜br＞";}
' v; S9 B3 W8 R( _" Xelse{
4 o8 B [+ W- Q3 s6 ?echo "未发现图片标签:(＜br＞";}$ V! n5 T7 k# D' E, Q1 g# N
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，
3 h4 C4 N }' s. J( j$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);0 F+ ^9 E7 n, D* K& ?2 e
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";1 `1 ~/ ]% `& Y
for($i=1;$i＜sizeof($splitres);$i++){* F# ?! L1 i. A& ?0 J
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;- x4 X1 Q; p% v
unset($imgname); // 再次使用前删除imgname变量；
3 D" R; r# b9 u+ r$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
/ w4 t( T/ S1 T4 |, n! H- n; Y3 aecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息0 n5 g- w5 @" h
}$ Z# g2 u5 J2 H- U( p: T1 l6 x" Y3 [& m5 d
}
. L- N' s+ s# k8 p- B, F?＞& C8 k9 o2 ^ L! Q1 M
" J: {- f/ t2 ?1 l" P
6 B1 V$ d1 e" {: d5 m
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
1 q" P. f, m( W" o# w2 r$ N
( P/ S P' k! T/ P" ^4 c3 N 其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。: z1 p( T& z$ f
8 `: t7 F$ b5 ~8 J% g
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。
! ?, B+ f W- G/ u
p( Q4 n% V4 n$ d6 d: F7 o 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？ |
|
发表于 2008-1-19 23:31
| 