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。  
3 o9 t& y$ j6 ?& B3 ]; K) b9 y) E% b8 H5 `* y
  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:
% U; U  x8 J6 I9 x! e; ?* m; B) I. t6 }* L8 j

# A+ h# m7 }, ?: d. U6 _4 w<form action=" abstractSRCfrompage.php3" method="post">
7 e/ g# b% A1 j1 M) l  输入网址<input type=text name=filename><br>
2 s) ]: q2 @+ k  <input type=submit name=submit value="提交">1 P) |( w) x5 T6 I/ ~# D1 v
</form>   C9 n# t) l9 z( j9 [

. F- ?- P* R8 {! Z8 E9 u5 b8 S+ F  B) U3 l
  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:* }6 w$ m8 m" O: l: a) s; b$ z
6 `. l  u# N) |9 @. u; C
  ?' W0 k" t% p: t" K, u. o
<?php
" w# R! i$ U. O5 w$ F8 b5 y1 Dif ($filename!=""){# G5 a1 Q0 [: l8 B! q: Y6 W
$fp = fopen($filename, "r"); file://若输入不为空,开启本地或者远程档案;; g' n) P. k: N, Y
while ($buffer = fgets($fp, 1024)) {; b$ Z8 L! M3 W. @' d& \
$source .=$buffer; }& }% k5 [. A& a, O
fclose($fp);
+ _! @: Q; x: `  B" ]1 g& v  Sfile://查找$source中是否有<img ...src=".../...gif | jpg"> 这样的标记
+ P4 a) l! u6 s+ Cif(eregi("(<img)+[^<>]+(src=")+[^*"<>|]+(.)+((gif)|(jpg))+(")",$source)) {" E4 A6 y1 ~* o0 R% }
echo "找到图片标签:)<br>";}
/ c0 y/ x  z- p! y; H0 x  nelse{
3 h/ y; Y" x) Z1 f, e- ~echo "未发现图片标签:(<br>";}7 F, r' M9 y0 X; N( R
file://拆分,第一次用标签,<img ...src=拆分,得到了以图形文件名开头的数组,  B$ ]/ _3 P! Y9 x% a; g
$splitres=split("((">)|())+(<img)+[^<>]+(src=")",$source);
7 t! C/ e4 G$ y* [3 Y: @  {echo "找到: $imagenums-1个图片<br>分别为:<br>";* S0 v: |- M- {- A6 j
for($i=1;$i<sizeof($splitres);$i++){) l, v$ z' f4 l3 H$ B6 z
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;
* V9 H& ^# B+ x6 {& p) K0 c, _% }unset($imgname); // 再次使用前删除imgname变量;; P6 |, h% V! I' K
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
7 s; U2 Y5 d$ q* o# F1 Q& M% Oecho "$i=>".$imgname[0]."<br>"; file://输出析取的图片信息
: b+ k* C+ l+ B. q3 l" k- G+ ?}
% [* m- c+ O: y5 @0 C- A( W}- G' }% z# D9 u
?>
  c# }* u; K0 b% S
; z: Z+ ?% {" M. n* J$ V4 @2 _, z* {" B0 b. K" J. E
  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$source中是否含有<img ...src=".../...gif | jpg"> 这样的标记(关于该函式在上篇中有详细的介绍);假如找到的话,则利用split()函式按一定的规则执行两次拆分,去掉标记中的<img…src=字符和"字符,结果得到数组 splitres,其中的每一个元素都是以图形路径+文件名开头的数组;用for循环在屏幕上输出每个数组的第一个元素值,即我们所需要的所有图形路径+ 文件名。
3 e3 ^% x( Y/ g( I6 D$ x
6 ]8 O$ I% m1 E  q/ o, ^' 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。+ K' `, M! ?! x( ~% V

8 W# q7 m- S3 Q  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。
" l% g+ ]) E0 H  {4 W" Q: y4 k+ G
, [0 ]& ]% r# |! G. g% m3 ^4 g  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: