|
 
- 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。
- l/ {6 d- g: L6 Q) h, \4 W! S6 U1 v0 M0 @2 }& }/ I
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：
) x/ b9 `9 b& n( i( C
3 N1 a- h! x) B9 j
* T6 A, `# e3 ?( K+ N: a＜form action=" abstractSRCfrompage.php3" method="post"＞
$ Y6 `# F. Q t! `6 @4 s 输入网址＜input type=text name=filename＞＜br＞
7 K$ C, v! W {- H ＜input type=submit name=submit value="提交"＞: k1 f8 |+ f9 S$ j
＜/form＞ 5 r5 J; p* i' F3 A3 S
: F* J L5 \8 j6 p
) q4 I+ s5 L0 O7 _: p
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：
- [- A3 Q0 s/ H0 ~
% G- ?$ c- \' |: W' e& e+ N! Y: T. k* ~( j3 e% m8 H
＜?php5 U* e# O6 E" P( f$ I0 V
if ($filename!=""){7 [6 V+ M3 l, K( w+ q6 b0 f8 ]
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；% j* w, u ]6 N; E4 [( Z3 X. W, p$ S
while ($buffer = fgets($fp, 1024)) {
# E5 K/ d: ]# j, e9 v$source .=$buffer; }
$ I, u- m& S& Sfclose($fp);
! F2 w9 z7 q9 E `# ifile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记8 `" f" e+ m3 C5 Q' l- u$ O
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {/ A9 @* @) }" G( A, h
echo "找到图片标签:)＜br＞";}% V5 }: k& f5 l, Y `* C% a8 v
else{
5 X7 D$ Y( {4 H" Yecho "未发现图片标签:(＜br＞";}8 P) N( b. a$ B6 V: H b
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，
8 T0 t% f6 a% H4 E% n: C. q" N$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
6 ]6 A) x" C+ o* k5 f& \6 v# W4 lecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";) i# V2 P6 b C( P9 l5 p2 \
for($i=1;$i＜sizeof($splitres);$i++){5 L4 S& e7 y7 J6 H c
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;9 ~- p* K, M: k V6 @6 \
unset($imgname); // 再次使用前删除imgname变量；% h Q# q! {6 N6 ]
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
4 `' L$ x- V( B: `/ V* oecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
9 ], g" i% K4 c- d& C/ S+ ?8 C}' A' B* g! r! P: N( G% D( s7 j
}
$ K$ v: P7 y3 e" v9 V" n* H. g0 }4 y?＞6 ^6 T+ R$ y* l
9 v/ U! O6 F9 o, o( d
9 [5 w2 l7 P7 S1 [' `4 R 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。; A* D" G j( i* K6 ?
& F+ I5 s( z: u+ q 其中函式sizeof($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。/ a4 k* @8 X6 x6 m+ P
6 g& X% Z' I1 `0 v5 {# z0 z- { 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。
- C' `3 R. t0 e7 q- v/ L1 [) ]6 X: V5 {( z
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
| 