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。  
' l# O  m: P% k; S- m, u3 B0 X, j. K! K, M9 K- g
　　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： 7 ~! y8 J( S% V' L2 h* _; B
% x1 E' D+ ^+ i' o
$ ~! S7 l: ?# E! m, S
＜form action=" abstractSRCfrompage.php3" method="post"＞* x9 I# a. B- Q
　　输入网址＜input type=text name=filename＞＜br＞
& Y1 Q; e& E& A% h' P0 H　　＜input type=submit name=submit value="提交"＞) P8 m" x/ v0 ~
＜/form＞ 6 H: O& ~. }( n9 n

- `5 m: }) P3 m1 r: D  i$ c( d: M7 b5 N- v5 ?4 q" W
　　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：
1 B7 ?, F) F1 W. J
% _  q6 l4 T2 |6 f; I4 w% m" E2 K+ M* [, {, e8 z6 w' i2 \
＜?php4 ?# |; g1 j9 t6 w+ I
if ($filename!=""){5 o/ o3 Z9 s% ]( C2 J5 y3 D' ~, d
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；# ]$ m4 ^9 G7 P8 t$ ^! P4 I  y
while ($buffer = fgets($fp, 1024)) {$ N) {& s* |3 P% a  g9 _- o& H
$source .=$buffer; }
+ D2 O% A! r, Q. y, z+ `" Ufclose($fp);2 k& E8 Q! }  n4 q4 ^8 f0 J8 }
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记/ I3 B0 s  b2 K: s
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {. s; o: V! y! P' h
echo "找到图片标签:)＜br＞";}: L* K# M: Z4 d: |4 b7 t8 W# b) T
else{* h: G; G' v1 a" g
echo "未发现图片标签:(＜br＞";}7 n% q! c0 X% Y: y7 I
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，  q/ Y! x0 P; s) T; c; D
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
/ V7 `+ m' ], \& o& s5 X' lecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";1 }- a- ~  D; y
for($i=1;$i＜sizeof($splitres);$i++){' Q* M8 j5 d7 j1 b
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
# k' g+ _5 C9 B& h, Z6 ~% yunset($imgname); // 再次使用前删除imgname变量；6 l1 M& o% q; I! T4 T1 z+ S
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量' l- _+ [! g5 C( B' [
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
% ?9 n6 J+ P# W( F$ q9 C}
9 B' g! v( p3 u1 n" H  f}- G" J; ~' E; N& e3 P& a
?＞
; k3 g3 G6 U. i# Z6 w7 m1 ~4 J4 U1 d

* q6 s6 \6 Q1 s4 j# B* E; G- z　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。# K. W/ x5 C1 U- g
( l3 n+ j" O1 Y6 ^
　　其中函式sizeof($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。- C/ n9 L& L; g9 Z" n9 D- i% Q

, U% l# P  V- [　　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 N) }+ L+ g* x# l2 k

& z; P% s: y+ E　　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？