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。  7 u7 U, {( M# f" R. X- Y
6 E% b$ ~! J0 L$ `; i: {# K
　　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： ' Q5 Z! p$ U4 j! l/ d- P  j9 F
0 X/ G& O; U) X* R+ {4 l( E4 c
0 ?. D+ c- H4 K' p5 E0 [' r0 `9 y
＜form action=" abstractSRCfrompage.php3" method="post"＞8 g) E: S2 I" f% `2 m: a4 I8 Q  c
　　输入网址＜input type=text name=filename＞＜br＞' Q, `1 W: z* g
　　＜input type=submit name=submit value="提交"＞& d2 J% e9 @: V! g/ u
＜/form＞ 8 t! i8 [; I( g5 j' C& Z

: ^* ^$ f1 M8 ]+ C" x1 S0 Q5 H3 a+ a9 Z7 \# {
　　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：
% X$ `9 D' Y  q! b+ r  }3 E& V& v5 W: j$ l# n  R

* [( n8 D: O- \2 J, P; |＜?php% z/ V9 k. x& ~0 H' k& X# P
if ($filename!=""){8 U- h* j' n# R5 ^
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；, b% X3 f+ O5 J4 I6 q
while ($buffer = fgets($fp, 1024)) {- d$ |9 X* p: ^, u8 \8 I" V
$source .=$buffer; }
% E7 a& @, M" M  x# ]$ o4 x5 Dfclose($fp);
: e7 m, f5 J# S5 c% |file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
& J1 U, j# ?; n! q1 z* {if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {2 \" C. Q3 F* _! R
echo "找到图片标签:)＜br＞";}
/ L9 W' o: Y" Uelse{
; ]% b, g/ T& u" {. ]$ f) \; C$ n, Aecho "未发现图片标签:(＜br＞";}
/ l- @; W' V* D5 V/ O& wfile://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，. Q# B& y+ N: W6 a
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
$ u' |5 V  s5 y8 gecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
6 }  ^. S/ M: o  n+ Ofor($i=1;$i＜sizeof($splitres);$i++){: E/ G' G# n, J
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
  w- M: f/ X. l/ j3 ]: tunset($imgname); // 再次使用前删除imgname变量；$ p1 z* N- W) h% \0 N- W
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量& t4 s) x. ?" i) t2 ?" ?: a1 B
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
& u2 u& ]* i4 Q. W}0 [* F. b; ]! k( M/ b
}! p9 o% f3 H' O# a5 j! G! x: x
?＞! G2 \  t" z' C9 b( v. v
/ Q% t! ?- U# r9 o

; A" D! q' ?9 V- D2 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。. D) H+ R* a: a; G) c3 J1 K. ?

5 K! d: i% B3 l" K7 o% q4 e　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
4 `& j, x* W% z+ O9 H8 K: C6 r
4 p+ k, K$ R" N) O8 d　　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。9 k3 p" C" k$ }- E- i9 {8 O
( S- ]2 m8 a% u
　　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？