|
 
- 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。
+ H- G A* W. U. p9 R* t
' T7 u% |9 x8 B# `+ o: t( t 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 c/ C9 e4 A G4 n* l6 F% ^; K9 g* h l8 }9 Y4 @0 F8 S
( q$ P- H; k1 y" ?) {8 i: k! i1 o0 ]
＜form action=" abstractSRCfrompage.php3" method="post"＞
5 t4 a0 q- M& @9 y: u8 `4 { 输入网址＜input type=text name=filename＞＜br＞1 ` g! E1 c h) J
＜input type=submit name=submit value="提交"＞
' Q: ]0 [- n3 N+ c9 B( P i＜/form＞ ' l1 G' C) P+ @% j+ t: ~$ E/ q
: \ y3 y; P v: g9 K) B: R* \
& a5 T9 W" T, Q 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：( i: X3 B0 o8 y- Q3 s/ ?
( S# I6 o5 f" K( j: E
1 ?5 M8 `" e# b
＜?php( \2 K' r! j: v6 P# }7 A. S
if ($filename!=""){
- l5 [- W1 N4 ]# |# a8 g# t# S$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
* h# A8 j1 p: t& [while ($buffer = fgets($fp, 1024)) {# X( L. C$ @0 \; L8 w% y
$source .=$buffer; }* D& b8 D8 h, \3 D2 Z
fclose($fp);, F0 N7 ~9 p4 d' ]+ u4 V
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
6 S7 v/ v/ N2 e7 ?if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
: i2 I. g) Q$ T* ?echo "找到图片标签:)＜br＞";}5 \4 d3 U8 u' \" v! `+ \
else{0 G- \4 p% d6 ~, P: t C
echo "未发现图片标签:(＜br＞";}
. v9 J" K3 l8 O5 u; J0 vfile://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，+ G( ], ~" z7 w F7 }% g
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
6 E( x& ]% v# \& p8 ~, a0 Cecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";( b/ @* U8 }" ?# S$ X
for($i=1;$i＜sizeof($splitres);$i++){
$ w$ j- H% c) `5 L* H. a$ 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;
2 N' i0 T; [; ^ Wunset($imgname); // 再次使用前删除imgname变量；
/ I' y) J# h0 z+ a/ j8 T2 B" A$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量+ ?7 R. l0 E$ `" e# Q' O1 H4 T
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
, c. i% s# l; v4 n9 Z/ Z$ g}; ^1 [5 N. H ]1 `
}
7 A$ c* T" Z! t. t?＞
& L& H2 w Q( j' J% {6 K1 R4 O) {) @% }8 u
) D- i6 b/ {+ D" g
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
3 \7 a2 l6 _% L6 b5 n
- v) [0 R" C0 | Z1 @; T# ^ 其中函式sizeof($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。
+ s" ~6 p6 G9 w- K! M& s
$ m; S7 B1 j0 L. t7 E 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。
0 C' ` m w6 G
) F7 }6 o7 y: u4 q$ \, p 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
| 