|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14325
- 金币
- 2448
- 威望
- 1647
- 贡献
- 1396
|
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。 ) j8 A2 G2 R) R8 x' B
$ z1 A2 ]9 Q5 `% W% H+ i; W! f
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：
/ |' D# H0 H6 W" U* n/ m+ t8 {& l% g [1 t) `: s: k* [. q
# ^* p4 t. o5 a4 [1 w+ `- ?% H
＜form action=" abstractSRCfrompage.php3" method="post"＞
5 W: s; p. a) i$ D( \ 输入网址＜input type=text name=filename＞＜br＞+ I% \3 n+ c% m5 m4 V; y3 Z
＜input type=submit name=submit value="提交"＞
1 y5 C/ w `0 x! F' f＜/form＞ : u& Y& N2 ^% U3 I/ t7 P4 d5 C
( N; c7 A* H, S; X/ N
% \8 l' y5 O: P; i% _' T* `% m 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：; _, y- z: e, g* ^5 B" H8 ~" _
; |4 M3 Y) m( y. Y* X
7 x/ D& O7 D) r/ X! |2 W9 l＜?php4 s; z! V( N$ y/ Z. O5 G
if ($filename!=""){" x) I, a6 J/ E9 N5 q
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
% |8 P# M) u4 ?. }0 G% T0 ^while ($buffer = fgets($fp, 1024)) {
. |' m$ F- ?9 Q$source .=$buffer; }
; N/ Y& v. X3 J0 I) j# H# B/ @fclose($fp);
- j+ P# ]3 t3 K, sfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
. z: t0 s- f6 Pif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
+ E/ ?- h1 Q: vecho "找到图片标签:)＜br＞";}8 Z \. a( e" a6 F4 T& R" k8 n! `
else{ |& F0 a$ c0 z8 l; P O
echo "未发现图片标签:(＜br＞";}
/ h( U( X9 C" S2 A2 gfile://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，
- }" T7 E% D5 ^: @$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);. Z" E& f: h; r' K& H' n# ?
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
, X- k( r$ M' h P) Gfor($i=1;$i＜sizeof($splitres);$i++){1 w0 L, q1 i! `% `# C
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;) o; l4 U% n- V. {8 v o, W. ^
unset($imgname); // 再次使用前删除imgname变量；3 X6 r# }; T* r/ S
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量; [& Y! |- H! ^& K* `: y
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 P2 w, x6 V) [
}
/ v6 R" j+ K5 v6 ~! t2 F0 H* }}
# h8 {! r% y3 l?＞
+ V1 O7 H: B- ]1 B$ c5 F/ p' [. D+ }6 y* O
" |3 T& C* y1 s8 o
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
" q4 ]! D( s1 W& G8 O3 P$ Z
: \4 F8 H p& r5 y/ ^. }+ W* W3 P3 V7 t 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。
9 D7 G- x' c) t6 {4 U) a0 Y4 R9 C7 Z, h( ~ u r# B3 F
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。6 ~) s! K8 e+ W1 x
. a* \; J# a3 [ 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
| 