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。  % N2 E* R, x/ R) p0 @4 Y- F
0 D* X' @: P/ F' p% {9 a
  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:
( m- G- A5 b  O* a3 a4 r: W! V- J  D' P3 l  t! j! g& c$ q
: e( j% C) t. Y$ q% u  l4 m
<form action=" abstractSRCfrompage.php3" method="post">0 b: g6 w0 U" B3 L* ^
  输入网址<input type=text name=filename><br>) P# x3 Y, a- q4 j' |9 W- V5 I8 H
  <input type=submit name=submit value="提交">9 p( N0 M" {- i3 ^# ~
</form> 2 d4 U" S, g- |; \

+ o. P; ?" {$ P$ {
9 x( z) @; d$ o( l, K" 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:
( K- H& W  Q8 q; v
; N  v; l8 T- G2 w. C5 {
* B, G, v3 b1 u; G<?php
. ]# k5 }$ M9 kif ($filename!=""){% }4 e  A. q1 d9 A$ F+ v) S
$fp = fopen($filename, "r"); file://若输入不为空,开启本地或者远程档案;  t- h: I5 `8 d; t0 j# f) B
while ($buffer = fgets($fp, 1024)) {. d( r/ O$ Q4 c; i  A  z
$source .=$buffer; }$ |1 i8 N1 K3 n3 L' P' v
fclose($fp);2 S5 s4 O* d; R. p$ n9 h( W8 u
file://查找$source中是否有<img ...src=".../...gif | jpg"> 这样的标记
# W4 S9 f9 M4 y. B+ W$ P- `3 D. Pif(eregi("(<img)+[^<>]+(src=")+[^*"<>|]+(.)+((gif)|(jpg))+(")",$source)) {. m- y1 K+ x- j
echo "找到图片标签:)<br>";}
  F, {( E: z; v: S" @2 Uelse{
* P: |8 H. o7 P4 Q2 R" |8 Decho "未发现图片标签:(<br>";}
5 D) `, k7 X+ ~( H9 r6 d! rfile://拆分,第一次用标签,<img ...src=拆分,得到了以图形文件名开头的数组,) x+ r/ a+ L1 G9 _$ M
$splitres=split("((">)|())+(<img)+[^<>]+(src=")",$source);
& _& c( i& x# K7 j2 V6 a0 Cecho "找到: $imagenums-1个图片<br>分别为:<br>";. o2 X7 |6 T, ^
for($i=1;$i<sizeof($splitres);$i++){. H6 ~/ ~- I- E, X& X+ U- T
file://二次拆分,用"拆分。因为文件名能含有",得到的拆分数组的第一个元素就是路径+文件名了;
. ]/ F1 p9 a& @unset($imgname); // 再次使用前删除imgname变量;0 h3 ~- S  X* \7 m
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
5 L* v* z/ g, V; w/ @echo "$i=>".$imgname[0]."<br>"; file://输出析取的图片信息- x( t3 ]; H2 S# m4 {- K' F( t# I
}4 G* C" c+ i* V6 @1 @  O
}* y  f6 ^& ?( J7 D, ^' ]2 U
?>
. J. E8 b* H5 _! s+ @, _9 Z3 g1 I
8 o( E, H" [6 d8 o# {1 c
  该段程序的设计思路是:PHP程式判断是否输入了档案名称(网址URL或本机档案名),若不为空则以只读方式打开该档案;接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串,上例中就是1024-1=1023;然后利用字串比对剖析函式ereg()查找$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。
  T$ b3 y; t7 ?" m5 O. s9 c, ^" T1 f( `4 {  C: f
  其中函式sizeof($splitres)返回个数;在for循环中,依次将数组splitres的每个元素(也是数组)赋给数组变量imgname,并输出imgname的第一个元素值(为找到的一个图形路径+文件名),当执行下次循环时,删除变量imgname,达到重复使用的目的。大家可以仔细研究其中的奥妙。! m% }$ k7 e% V8 p! E. X) P/ H7 ]/ K" e

. X1 Q# {# u) X( ~5 l$ c3 @  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。
# [& P3 V# k; N- a
  ]! S4 g- O; _3 B: k$ Q6 v  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: