Html源文件中image标签的析取 HTML, image, 标签

admin

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。  
& T0 q( B* T4 d8 h: Y9 d; V, d& ?( `& t9 I" J+ F+ c
　　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： / f! f3 i" O4 A  J2 c( O* D

8 _. K9 t* J! e# I- t3 r' Q* h$ E6 h) W9 U1 I! R# K. R
＜form action=" abstractSRCfrompage.php3" method="post"＞, D9 O1 I0 a! c4 O, r
　　输入网址＜input type=text name=filename＞＜br＞
' k7 j) Y2 n# L: q( l　　＜input type=submit name=submit value="提交"＞
2 ~( J& R- V/ X8 N＜/form＞ - T  ~: a* H7 A2 K% F
& S" @( I) P4 h% H
  X& G7 `) c% y* t7 k% `
　　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! h! ]0 R* ?% L, I; f. F& B  o. B( ~$ f8 X$ H2 j4 w- g4 Y

! w# d" P# ]. ~0 S9 F; y- ^＜?php
) Z# S. h( u0 ^. k) ]' `/ d3 G; \! O! bif ($filename!=""){) r$ w+ F+ P+ U6 x
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；: Q5 c$ x" l7 W4 n7 G4 C
while ($buffer = fgets($fp, 1024)) {
* T  _1 M: Y  {" L6 m$source .=$buffer; }$ S+ [% @6 I) K9 D( ?% i
fclose($fp);
  U# {9 i$ Y7 s2 r4 v$ \file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记- _* z! W% o1 U4 {- m9 M+ E
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
2 b* Q1 U/ _% U5 L. b1 P- }9 jecho "找到图片标签:)＜br＞";}
- L7 ^( q& Y4 ?8 xelse{
- D6 V: c+ k+ K6 i2 ]7 _, c9 Yecho "未发现图片标签:(＜br＞";}- l% p  J: R- B+ N3 J
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，) T- w* `/ U6 h. X
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
( q% S! }1 V3 Q! R0 c2 w9 Lecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
" ]5 {* @8 a  r( c$ U( I1 o% {: _for($i=1;$i＜sizeof($splitres);$i++){! P0 d4 B0 ?& _$ }2 r6 q% e: `6 L5 ^
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;
6 Q0 N" q2 v! W5 {  |* e0 {unset($imgname); // 再次使用前删除imgname变量；2 _+ z3 b9 q+ a5 l5 }$ y
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
2 c! C0 r; U2 ]" ?% yecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息+ w8 C* v" x& w, z/ `
}: I& v/ w2 @: X$ q
}3 z7 K. y1 d) ^1 q- E5 j5 D
?＞8 I) B0 j8 \, Y" C5 k& b' ^! f4 G

# K. h" e/ R) Q, t: G& \" c3 O9 t6 T4 O4 \: x& C2 N* b7 ]# I; T
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
' @6 G5 O2 P1 \, @( [. R7 T1 t0 a* `' u& L$ Y2 W
　　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。
  i8 A0 f5 x; R- J) m- ]1 W: F2 E. R- k/ n# S% u
　　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。( w1 `9 W- a. E, G; C: |( D( s2 U7 [6 V

" @4 F. v0 A# C0 V8 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？