|
 
- 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。
; E; Z% }1 r; g* @. s0 `$ }" u1 \( C) h2 T/ c
首先, 用文本编辑器新建一个PHP类型的文件：abstractSRCfrompage.php3。为了方便讲解，我们打算是在浏览器表单域中输入需要析取image标签的网页的URL（或本机文档），提交后执行析取操作，所以在该文件中，我们要建立一个用于输入网址的表单，举例如下： 6 g. o) L' O% G' W
4 W9 n& R: T, \: C
! g) E) x2 ?( ^7 ~4 p- V＜form action=" abstractSRCfrompage.php3" method="post"＞8 P6 R) M" e4 H6 H$ Z! y
输入网址＜input type=text name=filename＞＜br＞( ~; W$ t& \$ o- a$ ~8 s! P
＜input type=submit name=submit value="提交"＞
' I6 l! V6 B* M3 b7 z' k& d+ X＜/form＞ - O. @2 l. ^+ J' ], T9 i
9 ]* ^5 I/ ?; l" \) G/ c
7 [: g. I% E5 P/ ?
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：
- M& h4 N8 I" }) n5 v& g3 B0 b' E" m6 U) d7 U
$ ^ O% l9 F+ c" X6 x＜?php
1 q6 y3 w' ^6 [1 S& d: `! aif ($filename!=""){* ^/ X6 X5 h! ^! e2 ?* r- v
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；" \* f7 z9 S) F# C
while ($buffer = fgets($fp, 1024)) {; K+ T. ?5 a; d% Z
$source .=$buffer; }
9 G+ v* c+ d8 T/ u: rfclose($fp);9 }! c2 V- D% u& g( {
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记 ]; {5 k) F4 ]5 X. y
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {# S4 a! R+ x5 u# ~- u
echo "找到图片标签:)＜br＞";}
: g4 i( h5 }/ x, ~else{
1 g. x$ K# r& p, ^4 U: e xecho "未发现图片标签:(＜br＞";}
7 T' Y! `5 O5 @" dfile://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，
' B1 Y, T2 M$ V: K$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
: E4 S( G, ^, kecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";% \8 [5 U: `) f! [% e; y$ u
for($i=1;$i＜sizeof($splitres);$i++){
. Y9 h$ ?: ?+ k) m' K/ hfile://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;. U" e2 M/ i: ~* f7 y( p/ A
unset($imgname); // 再次使用前删除imgname变量；
( d. M, N- l* W" V6 M6 Y5 S$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量 C5 @" F4 x+ N; C
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
E& X! h4 @7 k}
* K" V) R; U& A, e b! a}
. k3 b* k9 X' w?＞
/ S: u& t* O& z9 ?" E! h! Q1 b& C: n' ~- r9 B9 ]1 \! W; ?
, m/ G1 } [5 w( H) Q 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
4 E% q& Z' Q) d& e. I8 W
( s' ~2 M6 Z- W( ?$ r; J! x4 R" T! W$ 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。
* U( _4 M/ u. [! }, d
! R9 _) q! F2 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。
4 q- H0 O" A; m' @% o7 e8 k6 M
: z0 Z8 W1 Z- 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？ |
|
发表于 2008-1-19 23:31
| 