|
 
- 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。
: K9 O6 V& n5 U: t
0 M. e9 s2 H1 g) I& g& s0 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： $ d4 N# x8 z3 _# P! i
6 N" {. {: j0 V: a) e
4 V# @, C0 E: M2 K＜form action=" abstractSRCfrompage.php3" method="post"＞
P; m1 b4 M$ |6 m 输入网址＜input type=text name=filename＞＜br＞
) z) U: r6 d/ P9 Q( _$ c ＜input type=submit name=submit value="提交"＞
" @/ [# `6 R/ W# Q2 h- B& T＜/form＞
3 }+ f; U8 G' e+ t, [9 z! |, S2 ^% [5 t' F ?$ [! R
' \2 D- c5 \5 N& @% p
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：- [) |2 M$ K) r1 k) i% o4 w5 V
/ q" t7 ]' w8 l$ n5 }
. B4 I) ^, r Q* S: B＜?php3 l6 l' J0 n$ ~9 t1 d+ q4 R
if ($filename!=""){5 s: ]9 s7 _) p( R! Y' ~: ?5 Y
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
+ |" L' F6 f" q% w/ mwhile ($buffer = fgets($fp, 1024)) {5 i d, U) V: A+ N# }
$source .=$buffer; }' K, }) D: i8 T1 v: I7 m
fclose($fp);
+ U; H2 E' C! k. y6 b. pfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记* M% }4 Y$ F9 e8 i7 o
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {& h( v4 |% r1 X9 a9 {" f* m
echo "找到图片标签:)＜br＞";}# `) ?: a& M" ]- R$ b9 h
else{
( C, q4 f5 i0 P% ?6 ^' q* Qecho "未发现图片标签:(＜br＞";}( R% c+ k4 L' b- L5 i/ W) p9 `
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，
6 P% q" D8 H0 N$ h/ H* x+ h$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source); o, c5 |* |* k8 y
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";. }" {+ Q& u+ l( j" |0 B
for($i=1;$i＜sizeof($splitres);$i++){6 @; o# p# L0 h8 l
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
, \. f5 b7 N( p1 e( D+ cunset($imgname); // 再次使用前删除imgname变量；, p- h. A! ^7 r; A9 ?- G
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
! N. T$ A) f1 w4 S4 }$ `% k+ Hecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 o4 p' n& p! {. T. r) m
}0 a$ D% E+ `+ l3 d6 u$ F
}
5 }" l# Y9 R' `3 P9 ~?＞( X: ^1 |; r5 m; \
7 z) q- }9 H f. Y) m( O5 s/ n3 l" s" I# f
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
9 A# U- X; v( V4 Y5 p0 L8 s y# X6 f, p8 |
其中函式sizeof($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。
: R3 d: ^9 |4 P, i8 W
/ }; h' x, o: U, A2 r% W6 C 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。1 w! s: J7 U( {) r2 q8 q
) L7 I: l! R. l2 k% C5 @' u1 ]
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
| 