捌玖网络工作室 - Powered by Discuz! Board

标题: Html源文件中image标签的析取 [打印本页]

作者: admin 时间: 2008-1-19 23:31 标题: 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。  * n* C3 T0 u- b1 E+ ?
$ |9 R9 k+ D! ]# j+ }7 J
　　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： # a9 f$ v( A; c9 A. f. T+ L
: b/ G" {$ Q2 [1 U8 {+ l8 G, m% @

＜form action=" abstractSRCfrompage.php3" method="post"＞
　　输入网址＜input type=text name=filename＞＜br＞* @. m, O( @$ R7 y
　　＜input type=submit name=submit value="提交"＞- F' X# ^" w+ h. u9 S9 o' @
＜/form＞ , t; d, L$ N4 m0 Z  w( ~$ y& o
$ t4 L! \. s& n' ?, 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：% p0 \/ j6 D& D# y, k9 O

＜?php* _8 G/ J8 T# {* M
if ($filename!=""){
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；+ K* W- w$ @7 A' B
while ($buffer = fgets($fp, 1024)) {
$source .=$buffer; }7 c/ e$ _( _5 Z6 f% ?% x
fclose($fp);: E# l: ^* h% p6 J7 h7 W& q! g
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞这样的标记4 \( D  F, m# ?# N# \- p
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
echo "找到图片标签:)＜br＞";}
else{
echo "未发现图片标签:(＜br＞";}1 \  [- ]2 u0 I& X  ]
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，- m1 H/ U1 u6 F& r2 w# ?
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";# c! T' l: Z  j# t, c$ E$ }3 t+ L
for($i=1;$i＜sizeof($splitres);$i++){& c7 i; N6 g5 i3 J* H; t. K
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;. a1 t  k6 Q4 C4 R9 _8 S1 E9 ]
unset($imgname); // 再次使用前删除imgname变量；
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
}: _" g- n# K6 r; j
}8 E6 Z. `, X% [
?＞

7 D5 F1 R3 Z  V5 a6 X/ j' P
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
3 [+ i; ?0 p$ _7 a( ^4 S
　　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。0 K( Q7 C- N- f) P

　　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。

　　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？

欢迎光临捌玖网络工作室 (http://www.89w.org/)