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。  
2 h8 `: h3 r$ C# ^7 v, v3 n
; \% \. N$ o) @3 S$ b( H　　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% m) K$ r; R/ Z/ P
! {5 t9 l2 ?  n8 d$ y. [/ R
' Z4 ?4 n& i% N9 Z, T, y$ h
＜form action=" abstractSRCfrompage.php3" method="post"＞
: ]8 z( B5 r- j' W; @$ a4 Z　　输入网址＜input type=text name=filename＞＜br＞
4 J1 }7 O+ a6 q# Y- a5 F　　＜input type=submit name=submit value="提交"＞& s/ K4 F4 u" B8 o6 U
＜/form＞
5 D9 d- x3 r( J3 n* e9 `( m! H, J! s4 {% Z& W
6 E4 _$ \* H+ M8 K  F% S- F9 g
　　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：  f, ]9 Q3 L8 t- b6 f6 \+ p# O
+ U/ o4 O% J, q9 `, N) K

5 E0 }1 |, _1 t# A+ o( b+ _- ?: t＜?php! }; m. i5 y2 R) r9 D* `
if ($filename!=""){( i; m5 Q; t3 V  n! V. O& b3 V1 X
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
7 L8 C8 ~, j3 V& Pwhile ($buffer = fgets($fp, 1024)) {
6 ~7 k! ~9 j) X" w& I$source .=$buffer; }8 x2 k) C. e' g3 A1 C/ Z
fclose($fp);, S1 q- D$ `; G7 J1 b: u# N
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记( H! j/ r3 ~4 l. K6 p
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
! \: j* [+ H2 `6 U  ]% U8 _echo "找到图片标签:)＜br＞";}
' h/ J2 O! }: a! P+ r3 delse{
0 Y; A' G- ^2 M+ h% Z) V7 g) `echo "未发现图片标签:(＜br＞";}7 g, a0 T* ]& ~
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，3 p/ A" b/ N/ A* h% Y' f
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);+ k  b8 [" e' |2 `
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";( [  O; M8 a& k0 f' k2 z* Q
for($i=1;$i＜sizeof($splitres);$i++){
2 Q5 E* G/ [- Pfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;4 [# }; R! }; M
unset($imgname); // 再次使用前删除imgname变量；, E# _* y! e( W. U
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量# f$ ~8 a$ u( N0 b& o2 ~5 ?( o( r3 _
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息: u! j3 |+ \& J0 C1 J& @! s$ Y
}
( r) n& B- Z" W# m}
* e; ?" k, k+ u' e# Y. ~?＞
' A" X% Z# ], ^
0 U8 D0 E2 i1 {( Q6 ^
2 l$ t& U5 @: ?  n/ H0 D) \　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。( i8 X* L+ O' K( ]0 ]1 z4 I2 G: I
3 b& v7 K: n4 a1 V% A" c
　　其中函式sizeof($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。
3 }: ^5 J6 |* X$ U0 X1 s
  _/ }; b( I0 p　　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。
# U9 C4 |: {$ ?( W
' G6 f; x3 _' O% x/ m. E# _　　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？