|
 
- 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。
3 U3 N' @; Y/ N( i5 o, N: x V9 T8 j7 o: ]& s1 h5 \4 `
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：
, f! E$ R1 n, w# y$ x+ P2 T5 V) z5 S; d6 n6 o B) d
$ d8 [, x( P1 O
＜form action=" abstractSRCfrompage.php3" method="post"＞8 ]5 v& G! d3 n5 K3 I/ p7 n
输入网址＜input type=text name=filename＞＜br＞) i& P2 k5 H/ F, a! r& k; t
＜input type=submit name=submit value="提交"＞$ Q' t0 ~4 L- F# J
＜/form＞
+ s7 M# u2 r" }: S, v- s4 n2 O; [0 k. ~! E- S$ w3 Y) @' l' X
8 R* R* ] x0 n% J% x 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/ f# t2 Q' i5 P, C, C' y( b1 e2 P! C
2 P( u! @0 @( ^3 a9 G5 z
＜?php* R" @4 i7 X' A5 H% N
if ($filename!=""){9 o$ r& z/ G2 p' H3 { c+ ]$ @
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
" ]( p/ g1 d9 } Y1 k" a) ywhile ($buffer = fgets($fp, 1024)) {
: k' }5 U- S1 t$source .=$buffer; }
+ i" p+ X" i8 M/ \) F7 }$ hfclose($fp);
3 ^( V9 p5 A+ o" B6 Vfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记8 t Y' W2 B- w, o: o
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {: f: G3 S( I% w' X
echo "找到图片标签:)＜br＞";}
$ x! i9 P$ h. uelse{
1 Y+ c, M5 s6 z B8 f; p# o+ hecho "未发现图片标签:(＜br＞";}6 A5 E: B# Z" x( L9 f
file://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，' v0 t1 ]8 e1 S8 [' m
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);) U1 y/ p) M2 q9 u+ @
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";. s9 x+ Q' x9 X4 y
for($i=1;$i＜sizeof($splitres);$i++){4 }) a8 R4 q9 H
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;# ~& M7 i4 i0 o* B J v
unset($imgname); // 再次使用前删除imgname变量；" r+ K* W, A+ ?/ L9 s0 M3 Y
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量, [/ k8 U- C6 i8 L
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
/ \7 t; k6 y. I$ K/ s6 l}
* |. j" b6 C% G* Y2 }! g6 J+ r}
" s* K- e; i3 U5 b- i; p' k7 T?＞; P; i. y7 ]- o( f5 X# ]
; H7 l8 T0 \5 e/ n$ ?% u- d
2 a7 P# }! Q! c) |% h) F) M 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。/ K# C6 T" O. T" J% ^) J! C' C0 ]
1 e/ f* R9 w9 R& B$ J: Z 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。
, {5 U: B- u. c" T. O
w- a8 f2 }5 [; h 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。2 v* n ?+ a: o3 e
; B5 Z' X! [; I& d7 ?
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
| 