|
 
- 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。
$ r# F; d+ }% H; T
9 ]2 z* T- {5 X) {1 q3 Z$ v 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： % A- E3 P0 u$ R4 X3 B+ i9 J. B6 o
- D6 z, c5 d2 d; d$ \7 G
. V. u. Z- i5 |6 n I
＜form action=" abstractSRCfrompage.php3" method="post"＞7 c9 l" r* \* w% ^! o4 r. z4 C
输入网址＜input type=text name=filename＞＜br＞
& m2 W, x( f" O9 F, N ＜input type=submit name=submit value="提交"＞% W; X8 }* T7 o* V4 z- z
＜/form＞ ( A) \1 h4 s- u) I! I
# Z, h$ ?1 m# k* u6 E- U! U1 x% }' D
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：
7 j& X. D, k; L* H4 C! z- Q* X# v \2 w4 f. m9 x* M( _8 }( J7 S" E
5 n# `, \4 R( m7 M＜?php# B3 u/ }" P+ x4 S
if ($filename!=""){0 y+ }/ W2 R" Y; u6 W
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；9 I. ^+ _1 R6 |0 ]' C0 d& r, b
while ($buffer = fgets($fp, 1024)) {
* V( T' |" X* E2 f1 x: t$source .=$buffer; }+ U- H* Q6 I# R+ l9 @
fclose($fp);' X3 G! D8 o/ d
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
3 o$ J& L' ]# E# Q! j. Hif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
q+ c3 Q+ N( N$ ~6 g7 oecho "找到图片标签:)＜br＞";}
1 b0 H2 S |( n0 pelse{
' e" J% m/ t s9 w+ h" J( w9 Kecho "未发现图片标签:(＜br＞";}
1 D0 ^3 w h: Y$ Q2 Ofile://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，8 @( u2 Z0 ~& a
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);* d" t3 q3 v; u$ R& b
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
7 H# w) ]/ a2 Xfor($i=1;$i＜sizeof($splitres);$i++){
3 Q' D5 E" Y9 c: r8 X9 H& @file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;/ M' e+ o; P" J) n3 S2 b. c* A# {
unset($imgname); // 再次使用前删除imgname变量；$ T* Y; T6 g8 q
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量9 `% p) Z6 f9 V
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
8 N! \8 t' \8 W3 d/ G}
, Q/ `" ~7 [. B3 j" v1 H9 x, q. }}9 O, a$ x& X/ ^9 W1 r; j5 e
?＞
, E$ Y" G( B$ @4 q/ y: P
' ]% p: n/ U1 ~ w8 k# s
) Z' w1 m2 P! K. Q 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。+ _" }8 W! J6 J6 _7 _
) f1 ^% K7 Y, }- @3 b! ]8 k7 k, b 其中函式sizeof($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。2 Q0 D/ f3 z$ p5 u2 F) U
4 U+ Y0 R; B& H% L& C4 m 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。
j' _$ A; X7 B* e8 H' k' q0 D% k' h3 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
| 