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。  4 B; p, A2 f9 G* a% F. d/ b- ]' H
- i2 Z. l, [# D( a. j# j! 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： 1 _3 H$ a! P; ~! ]9 ]! S8 U
/ a3 w9 [6 F# {  z

4 e% Y+ S! ^7 f( s! j＜form action=" abstractSRCfrompage.php3" method="post"＞$ m8 ]9 l3 s& n4 P# x9 m0 z" I
　　输入网址＜input type=text name=filename＞＜br＞
+ @9 {. C( u! f( J$ y1 W5 a　　＜input type=submit name=submit value="提交"＞$ ?+ m/ N8 j8 |4 {" K7 p4 ]
＜/form＞ & Q: j% N( }3 f# @4 c3 [
; ~6 G1 r) f! U# H0 D& u. e, J
# w# D1 m: f! z4 }& K
　　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：5 _" |" {$ h- c
( M0 E( F# R! {1 _, n( t

' U* O4 e! F* g4 j＜?php
& e9 t9 O3 u' Q' pif ($filename!=""){
6 n/ o" f0 f: @2 n4 E5 @" n$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；! e" F, V- l! t; s( O
while ($buffer = fgets($fp, 1024)) {3 [' [/ N+ n9 v
$source .=$buffer; }% }% b  W' V6 S
fclose($fp);- w, _# {# h! ]3 h5 h
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
& V' h9 h3 L2 R2 z4 z$ B- Vif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {( T+ X; U/ x* h9 R
echo "找到图片标签:)＜br＞";}
/ f! V# W9 Q. k# }else{, h/ U; T+ {% Q1 c% m
echo "未发现图片标签:(＜br＞";}
# o2 {: T. {! z9 \file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，3 y4 M8 k$ d6 P( E1 r
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);& |, c$ q. w0 E9 C! m- k$ R) @
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
- t( _& }% E0 w+ W. a- Zfor($i=1;$i＜sizeof($splitres);$i++){" Z' C# `& O' `5 w/ ]$ @  |; m
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;
, `- {; t* y$ w% o$ |unset($imgname); // 再次使用前删除imgname变量；
4 T+ H0 S0 @' u' m9 p6 z$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量$ a7 _0 ~: O* G  O% W- C9 i: |
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息, L$ R+ V, b, Q+ M1 R: [5 k5 g
}4 g# j9 ]) X! Y, T- R* D% h& l
}
" n! m& \- R/ S1 T# {( k+ R?＞3 t( [" W# R/ }& ^; W- p0 C' R

' P' P: H1 ^* |/ t" c1 |4 ^0 R' h
6 U; `' A% k( Q. m8 I　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
6 N8 V, b; W0 M: b6 v
9 u3 x9 Y* N# G7 Y1 L) H　　其中函式sizeof($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。
3 [+ ?& F( x7 M; g& {. ?
: l& ~: }, y4 @# _　　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。+ ^8 q2 j9 n9 n: t) }+ l( _
, K- B" _6 q, k  m8 M9 `! ^6 k
　　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？