|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14443
- 金币
- 2507
- 威望
- 1647
- 贡献
- 1455
|
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 |3 v8 B9 ~( t. [4 x) `7 T
7 T0 v1 J" k% l& j" ^' ~' w, a 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：
: W6 ~9 Q; q6 l. J7 g" U1 u9 C- n1 n* L; ?/ j6 v5 L
. v C6 I% S5 @5 ?8 p+ g" n* h" ]＜form action=" abstractSRCfrompage.php3" method="post"＞' I2 m3 o8 |+ h. T6 l# q
输入网址＜input type=text name=filename＞＜br＞
, Q+ ~% a' z7 u ＜input type=submit name=submit value="提交"＞
+ T4 k: E/ Z4 i5 ~/ P* V＜/form＞ * I# i; c: P j$ D/ I D5 f+ J
- {7 A2 Y0 t& R. @: L: z# k8 j
S' J+ l' `. O( r& x1 p2 v 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：
4 |2 R% c+ t0 r& j2 L9 v/ J1 @& O$ s$ E4 u
" n2 o3 j3 @2 ^" r
＜?php: A; s3 W( E+ n4 ~5 w6 w3 y
if ($filename!=""){
/ H! x. o( P2 L4 a7 b$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
* o! y3 ^( K6 t7 u* o* Cwhile ($buffer = fgets($fp, 1024)) {" ]4 d( k: L9 Q; F$ c
$source .=$buffer; }
; G* {0 G. u8 e& X( f }( F$ Ifclose($fp);, V7 [8 y' f, \. U; y/ ^: a0 z
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
9 m; N, x# a+ r/ c1 K; D* W- ]) lif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
: M7 M: {, j' Y2 L4 lecho "找到图片标签:)＜br＞";}" O2 v4 B8 {; f, \
else{
0 P: @, m# h" c1 L7 ?6 @+ j! f6 ^echo "未发现图片标签:(＜br＞";}" J/ @; {0 @2 h0 W! N+ Z
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
/ R5 o# l& m) l6 q6 U0 O$ I4 s) p$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
5 ?6 s7 |8 R) ~ eecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
; p; n! o c: S" a* O3 r& r l3 Vfor($i=1;$i＜sizeof($splitres);$i++){- e6 _5 `1 s5 ?8 g4 b' |4 A
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;: E: R2 L0 Z A5 ^* R
unset($imgname); // 再次使用前删除imgname变量；$ M, @4 v2 ^8 e* B
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
" A" @& e# C# U, f4 lecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 G" G/ S0 Y4 `$ ]% Q
}( } P# a2 ] a3 e
}0 [* N6 _, N- l6 w, _- F6 C
?＞
7 [! E- b: U$ j- [
, ?5 P$ b. ^3 U0 U2 o0 \( A7 z6 e. ^( x8 u- z) S& G, [
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
1 l6 J0 D* e) K7 U
! _ e, ]$ w) ?: Z5 r& V 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。
$ z. G( o: w& s8 B! e
6 E. Y4 X" v# N, }; _% N 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 e! Y- q0 |& m5 P7 R
: i; J$ h, D1 Q0 G2 u5 _/ d 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
| 