返回列表 发帖

Html源文件中image标签的析取

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。  - p5 ]$ k4 {& d! z! c1 K( J
- n# S  d, \' K3 l; d
  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 J& l: K7 k8 P6 ^4 p9 f; R
& `& R  n# l3 {% t, d7 T) t# d% U: ^8 d! K" V& [# f( X( g5 m
<form action=" abstractSRCfrompage.php3" method="post">: @  v3 {1 O# Y7 }0 g
  输入网址<input type=text name=filename><br>6 \& l, g& U" v) N. j' f  H) ]6 _
  <input type=submit name=submit value="提交">
* G; s* m1 W* \1 o# M5 \# j& S</form>
4 D5 N; {( s5 L: r6 r
% `* m; d( {9 l+ p; B) m& S. [. X: a# q- Z' K% p# K8 G
  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:3 C" C& e' n+ i8 c9 v  ~  N
1 R, J4 w' H3 i$ Y* v
' P9 _% E- s. ^8 \& j
<?php
& p( A) b8 J% o) Pif ($filename!=""){) l" B0 z/ x8 d
$fp = fopen($filename, "r"); file://若输入不为空,开启本地或者远程档案;
4 F& y* H+ x  ?, d8 x' P" `8 r3 ]while ($buffer = fgets($fp, 1024)) {
: ]  [2 o( y0 j8 g1 r* n$source .=$buffer; }  H& c8 {) n. F9 |9 |
fclose($fp);
8 }4 [2 [( D3 X9 D. Dfile://查找$source中是否有<img ...src=".../...gif | jpg"> 这样的标记5 M& A. N% {+ U+ S& h  M, t( b
if(eregi("(<img)+[^<>]+(src=")+[^*"<>|]+(.)+((gif)|(jpg))+(")",$source)) {) H9 x# f3 W* s' R: e/ \
echo "找到图片标签:)<br>";}$ `9 `( \, O0 T3 y5 y1 m2 M
else{
+ n' q2 z* ]) ?. yecho "未发现图片标签:(<br>";}
. r9 F# A" s$ }4 sfile://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,
8 \6 m% B1 F" r& V; D9 l$splitres=split("((">)|())+(<img)+[^<>]+(src=")",$source);% j  I) g  l/ y  V) |+ T
echo "找到: $imagenums-1个图片<br>分别为:<br>";: w  {: H) }3 m
for($i=1;$i<sizeof($splitres);$i++){
6 M* u1 ^- A/ N" rfile://二次拆分,用"拆分。因为文件名能含有",得到的拆分数组的第一个元素就是路径+文件名了;
( B, r! c4 U! G5 @$ n1 |7 j, hunset($imgname); // 再次使用前删除imgname变量;7 A5 b% M1 m# n' r- P/ D
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
( B. x8 D2 R7 t; J- c: ~echo "$i=>".$imgname[0]."<br>"; file://输出析取的图片信息. ^. Z1 o, y# K5 l1 `9 D, o& B7 r* C
}; s5 Y& ?; V/ X( t' O8 h
}& _$ X+ X" a6 b6 H
?>. D* r' j8 a$ u4 X# H+ k- M8 A
, P; d( |0 F8 Z, m" c& a# }7 R

  p% x9 R+ S  v8 Q; p2 k  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$source中是否含有<img ...src=".../...gif | jpg"> 这样的标记(关于该函式在上篇中有详细的介绍);假如找到的话,则利用split()函式按一定的规则执行两次拆分,去掉标记中的<img…src=字符和"字符,结果得到数组 splitres,其中的每一个元素都是以图形路径+文件名开头的数组;用for循环在屏幕上输出每个数组的第一个元素值,即我们所需要的所有图形路径+ 文件名。
, x3 x$ T# W$ K$ T) W
- M5 n  q' D3 Q" d1 G  其中函式sizeof($splitres)返回个数;在for循环中,依次将数组splitres的每个元素(也是数组)赋给数组变量imgname,并输出imgname的第一个元素值(为找到的一个图形路径+文件名),当执行下次循环时,删除变量imgname,达到重复使用的目的。大家可以仔细研究其中的奥妙。% c7 E8 o( D$ _! s; y1 z' K

, Z8 Y  ~# [/ S  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。
! P5 j1 v, r! r5 b& W7 g
/ k. c0 u; O4 `. 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?

返回列表
【捌玖网络】已经运行: