|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14443
- 金币
- 2507
- 威望
- 1647
- 贡献
- 1455
|
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。
* y% Y6 R# h5 z$ H& q
6 g' P+ t! x9 u2 | 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： 6 B, E& O3 t0 T/ G! y2 Y6 s
& s8 ?1 g0 N7 _
8 p4 T0 A. O# r2 b$ i2 G＜form action=" abstractSRCfrompage.php3" method="post"＞7 T7 n6 f2 o' l2 u" m6 X; Q
输入网址＜input type=text name=filename＞＜br＞
" g0 C% w a, F( D6 S- X! J ＜input type=submit name=submit value="提交"＞& ^! R C6 @1 N. v( |
＜/form＞
, i: ]- _3 f; A) |, N& ~2 h7 ^8 f. K$ m
6 {+ Q1 v. [+ @! K4 y5 d2 o
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：
7 W. n7 P4 N0 _- W" Q& D/ ?# S9 _" U1 F" A1 P9 \1 a
5 [; p* D$ W G; N a＜?php) T8 ~, V9 a9 z( P4 g
if ($filename!=""){$ n( T( s& J* O# G5 \4 X% d& c
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
! J- R+ }# H8 r, W6 d h( Mwhile ($buffer = fgets($fp, 1024)) {
@" s4 X3 v) O, V c$source .=$buffer; }
4 H6 `& {* t+ Y4 _7 cfclose($fp);
* D8 z( v9 j/ F+ y4 C9 R8 y& U0 ofile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记 J# n* L- _. X2 ^8 p
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {- m, n) d4 w: E* m4 U g8 N9 _
echo "找到图片标签:)＜br＞";}" A+ t" u' [1 d4 z" g$ ?' l/ ~
else{( Z- I$ i% _/ [% V3 o0 Z
echo "未发现图片标签:(＜br＞";}
1 K" l4 F# s: z" q9 \# Zfile://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，9 q1 j% t9 r' X, [# l
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
$ z' u7 ^! c- C2 qecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
5 X! Q1 P( x4 D/ q! v e- ^% Ffor($i=1;$i＜sizeof($splitres);$i++){
$ C* n! E) Q$ E! vfile://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;# v/ ~% e4 ~0 S0 @2 [2 H' z9 _
unset($imgname); // 再次使用前删除imgname变量；4 ]: h5 `. B- l
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
. a. ]. P+ x5 p/ i% k: i6 }4 aecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息- j# x5 i' u0 d: f5 {
}
. m; q/ o. E) b) m}; Q3 @/ t& t1 {) {
?＞1 Z! d( N, G# ?1 X0 `* u
3 q i% J) q t9 B) m* c% G
: @) t! N4 P1 c; b2 _6 {" x+ V! c
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
; s2 I! q& D6 [5 ~. _; y
\2 }8 ]- C$ K- ^$ F: J( }7 j- J 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。
( W0 R- d4 v* X9 t3 H m: V& E* E
' x( V1 ~0 b0 Y |1 [ 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。' V6 ^1 o. d3 ~1 {* u/ L: `9 ^
& `6 y; F* g" T4 @
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？ |
|
发表于 2008-1-19 23:31
| 