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。  - c! m5 x; h" L3 f2 [3 k
" \& W2 O# i* [4 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： 3 H+ ~- ?  z3 C

, Y: [' K$ w" I+ ]" G4 m: [/ K
: F, Z6 I4 l$ a＜form action=" abstractSRCfrompage.php3" method="post"＞
; W. n' f5 p$ Z' Z　　输入网址＜input type=text name=filename＞＜br＞) M5 X7 F% _8 e
　　＜input type=submit name=submit value="提交"＞
0 h8 d$ x% \; b7 D＜/form＞
0 x" \$ \8 C8 i: P/ u0 z$ J# R! t; L$ u7 ]
) h& q1 n6 O* q" B/ A
　　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：. N4 N* u: H: u8 ~
% }- S/ g# P9 P, e- }& L9 m- f

' h. L& V7 ]% z  S4 ~5 G＜?php0 |+ Q. [  T6 v1 n% b5 O. ?
if ($filename!=""){
7 L5 h* E' t4 }# I& D4 z* r$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
. n: D% d- L* W4 ~' Lwhile ($buffer = fgets($fp, 1024)) {4 x3 U4 [+ l+ ?  p  w+ i( I
$source .=$buffer; }8 x5 n6 P+ p) X( s0 S; e8 ]9 N
fclose($fp);$ ]0 _9 e# [% {
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
) z$ O* A' q; r; v% aif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
& u6 M0 w* N. h+ Y3 _3 {) X1 `echo "找到图片标签:)＜br＞";}
. v- z, a) a: }5 ~3 E1 U% felse{3 f0 ?" W# }/ w8 B% I
echo "未发现图片标签:(＜br＞";}' I) A# P6 F; W2 }- D
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
: `! _# W! u( h, W2 R/ q6 W$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);9 G2 F$ C" |& E" w
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";* D( B) Z1 f& m4 X& t7 [& G% H7 ~
for($i=1;$i＜sizeof($splitres);$i++){8 o+ c! h: a: A0 T1 E8 J3 n' w
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
, D1 g* j+ E3 I4 |! P- f# Kunset($imgname); // 再次使用前删除imgname变量；7 i  a, h$ M5 ^1 @
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量& z% Z8 g" {0 f
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
! T: |/ O( k+ e  T! v}
7 ^7 `; S! [8 d}
2 V& N0 P# X8 `9 V?＞2 O0 V. ]. |) j

, B) f2 p( |2 `; P: k8 T! Q! |% O7 S* ^
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
* N. O0 Y" n8 S/ p: g7 ~  x
4 R  r  \  }  }$ G, C　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
" z6 e" ?/ F! W$ Y
- C3 p5 p2 D( x- x　　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。
5 I* H# }7 A! `: D* r: ?5 D; z& }1 S6 i
　　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？