|
 
- 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。 & s9 T, _( Q" q
8 z% Y6 P* S5 } 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：
* s- K0 F, T5 G- A$ d3 j" v0 F$ `% K3 j9 h! G
+ v7 `- m7 P4 E8 Y9 n8 z, k
＜form action=" abstractSRCfrompage.php3" method="post"＞
: b k* K1 Z9 e0 s( Z% ]2 @% \# { 输入网址＜input type=text name=filename＞＜br＞
5 _+ a# K% V0 m8 `+ l ＜input type=submit name=submit value="提交"＞
- d! y' {/ P6 K. Z＜/form＞
# w" U6 ^8 P8 J( E# l9 c- f! Y Q+ u" K( y- q( U5 L1 d9 G
( G& u) Z+ p* F4 c( F! v: ?+ K
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：
/ p4 x: M+ H( n' z5 A1 G; E* k
5 Z2 ? c+ h; U F9 [9 O
& D6 t: s6 O# }" p+ d＜?php+ g# e/ m( N5 p% s
if ($filename!=""){
- f) c1 E* C$ f5 E$ F% }5 }$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；7 E. w) P2 a6 {# w6 a; M. G/ s
while ($buffer = fgets($fp, 1024)) {
1 l# H: Z2 h& j5 W* T0 ^$source .=$buffer; }5 T. ^2 i; e7 W9 |% R
fclose($fp);
# j8 \: a; B" W+ k! b Vfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记4 H) _( |0 {2 a6 c( q9 Q4 Q, Z. \
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
7 v( Y& X& {, u% recho "找到图片标签:)＜br＞";}: L; O5 R8 F* u6 Q& e
else{( e3 G% Q g/ U) _; i4 D
echo "未发现图片标签:(＜br＞";}
" G: @ [6 `) e+ B2 }* P5 P0 Cfile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
/ o( Q+ d6 B- N+ c: Z0 B$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
+ a0 `; E, V2 G4 h( {8 y: @( qecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
; ~/ y- S: \8 ]; R' |for($i=1;$i＜sizeof($splitres);$i++){
, \/ m5 q0 ~- W/ m& Afile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
- G3 |- H/ p0 C/ c2 Dunset($imgname); // 再次使用前删除imgname变量；/ s5 f2 C# Z9 N
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
2 P# R; H- w( H' p' g, u: V9 Secho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息 N R/ l4 ^* n9 }# y b# n6 A5 x5 [
}
' p9 K7 U/ I' k) ^3 d0 f, {}0 f! G( W1 q6 p1 s# ?
?＞, w0 g1 _2 ~/ i. ^2 b& M1 N4 x
: W1 W" Q. ~2 G
/ H& m, n( l' f* o6 ]/ }2 H
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。, [' G0 t+ d+ E' @
7 j2 s! o# K; I/ ?) F+ L 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 y* R9 s8 U! L* N4 {0 p, q1 h* E6 _1 _4 ?/ d; Z
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 h6 H* B- `9 f+ k8 {- [% a) a5 a+ ]% A' h" a% h5 D6 b. J3 J
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
| 