Board logo

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。  
; [6 }& Z  w$ N
, l; h* F+ L% E' L% ]8 {8 n4 F  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:
8 z0 X, r1 s/ X3 r* M
: n" H! f% g% W
% L. U9 L0 x; o<form action=" abstractSRCfrompage.php3" method="post">
" I/ N# h9 I$ w3 ~  输入网址<input type=text name=filename><br>3 Z  u0 a+ d- R& S$ J
  <input type=submit name=submit value="提交">
7 T0 g: i1 ]+ ?/ @( J) G1 K</form> ; Q# J5 m+ k# J! Z6 K1 J
! l( e2 J% Q2 w; e- C
' c4 c0 |( \) L9 k- m
  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 p: }0 _' z: V

+ t! ^; _: ^1 J
1 A' b* a. O; c<?php8 {8 F8 \8 I, r, s" O' p
if ($filename!=""){& S7 C% H2 C& w9 ^6 g) F. ?6 p
$fp = fopen($filename, "r"); file://若输入不为空,开启本地或者远程档案;
; C) I9 s6 r/ r1 m7 Bwhile ($buffer = fgets($fp, 1024)) {
# {& F" t( K3 V% V$source .=$buffer; }( f; i2 ^: U* b  \0 Y
fclose($fp);
6 q# G  h9 Y3 b. Wfile://查找$source中是否有<img ...src=".../...gif | jpg"> 这样的标记7 W0 P% Z8 ?6 r5 H6 d7 q! C
if(eregi("(<img)+[^<>]+(src=")+[^*"<>|]+(.)+((gif)|(jpg))+(")",$source)) {. R9 {4 x7 |1 E3 ~
echo "找到图片标签:)<br>";}
4 P0 p- w# }& `1 p5 z# h- F, aelse{; p% u, P! _. ?! {$ c+ [
echo "未发现图片标签:(<br>";}
) ^3 ~7 d$ j2 _4 v. D" nfile://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,6 u4 b1 Q* s( S$ r' h: M8 p3 q
$splitres=split("((">)|())+(<img)+[^<>]+(src=")",$source);3 M+ @6 R4 W1 ~  P
echo "找到: $imagenums-1个图片<br>分别为:<br>";7 C5 X' S( h% q1 Y  @: H
for($i=1;$i<sizeof($splitres);$i++){! h& F9 p( W$ s7 I2 h8 ~
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;
: [  [4 r2 L, z4 }7 j/ U3 m5 p9 Funset($imgname); // 再次使用前删除imgname变量;
) J6 {* s3 O* y$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量( q7 c4 J3 o$ K+ b
echo "$i=>".$imgname[0]."<br>"; file://输出析取的图片信息
! V8 H" `( R) d. {! {}
# C) A' R" o/ S$ {& m* L) c, K. ?}
1 P% q) H# H: z?>
# P+ o4 K4 A4 y' h& D5 g( v+ i9 K0 a" s! m" G$ j
% v: o1 M* K; Z; y8 |
  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。+ U9 y- o% K& Q+ |- m

% P! t) t) P, T0 k  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。* M) w5 h: w' H7 ~' d3 i3 `' F

; b/ w8 L1 s+ ]  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。
  y  Z6 o+ D' F- m& s, J$ S/ P9 Z3 H7 n  x8 ?) R
  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/) Powered by Discuz! 7.2