Html源文件中image标签的析取 HTML, image, 标签

admin

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。  . I/ k/ y( X0 o4 X
3 `( M1 g) h$ N
　　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： & ^, X* j( n# K/ g' n; B; x8 t
1 ^& o9 K+ Z8 C( {4 `4 p

0 x& Q' |  }3 E9 W. Y+ [5 R＜form action=" abstractSRCfrompage.php3" method="post"＞
& i! n/ M# r! f　　输入网址＜input type=text name=filename＞＜br＞
$ T6 R  F$ ~4 W7 J( M- T, c  X7 y! r　　＜input type=submit name=submit value="提交"＞- Y( `$ q) |" F( f0 X. ^
＜/form＞
/ ~* G2 K+ v7 b" `! S. q# u  X1 q
7 V" T- [7 V* w' z. a) \+ |6 D( r& B7 L& s2 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：9 b# x5 i# F8 f' ~( v, w/ D
4 r: a  u# x& ~; U* E3 n% j  G
5 M! z1 F$ E6 t, U% \
＜?php, w. ?- F: ^0 q4 ~% I. J& q
if ($filename!=""){
6 z' `" v! \% {& y8 H/ K$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
: K' R3 h2 e# \; n% k' h: {while ($buffer = fgets($fp, 1024)) {
5 C; u. H" ?, |7 e$source .=$buffer; }
  S: m: l' D& V( L; Ufclose($fp);- S: @& @- M. D% _6 o& A& K; A
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
# ^, Q: g5 f8 n2 B4 B% `if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {' s* U. i' j* j
echo "找到图片标签:)＜br＞";}4 m" O* t4 P0 z/ `  K/ ]
else{9 u, N" a" H* Q+ w3 }# q
echo "未发现图片标签:(＜br＞";}
9 o+ Y5 r  }0 |8 `1 ?! ffile://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，; _' x4 f; n- d; c* U
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);8 J& x1 m0 ]% @% E( J7 R6 h* b1 C
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
! a4 c8 R% f; _& Xfor($i=1;$i＜sizeof($splitres);$i++){9 m; j0 S4 U1 y
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;( V6 M& q, }* ^* y
unset($imgname); // 再次使用前删除imgname变量；
4 Q) T* W! S/ n4 D  J# g- i; O% F$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量. I. V% M4 R3 u. i  z7 f2 A
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
6 m" N. w" C/ j! j2 [}
- y2 G6 Y3 H" Q( G8 G}
5 ~: |* C0 k+ l) c, p6 ]; S; Q?＞
4 J' R# y) r( ?3 Q% u0 U7 ?; [* @* b' z5 Q% q) f6 [
3 u* i3 K: e' a' y# T5 B
　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
2 [! w0 |2 q- u; I7 B; W; Z" I. c3 K6 S, t2 {* W1 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。
) T0 z9 K5 k7 |6 I# |* e5 S) ]! U0 R  r6 f3 b' X
　　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。3 t# O6 L! K: u% s- p! y
% w" a5 U/ j1 y
　　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？