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。  
' O8 f5 N/ O5 S6 x; E) V8 [
7 D# q  Z' P' W3 H" _+ W( @+ 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： ; a" Q. x  s' T6 ], d/ {0 P1 M

+ s' M, A$ J' x: a5 S( p
( W8 m  k: p. o- Y/ g/ l＜form action=" abstractSRCfrompage.php3" method="post"＞8 B6 u2 z( \' N
　　输入网址＜input type=text name=filename＞＜br＞
+ N, S: G* {* f2 q: X, _　　＜input type=submit name=submit value="提交"＞; i- D, p9 \+ b( q
＜/form＞
! @/ e9 F9 C8 B, F- T0 i5 r6 x) m. s' O" t
) m" l7 S2 e' G% p, P) R+ J
　　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：
3 c  B2 N4 g/ T' R" L1 Q
. S3 Y0 @. K* i5 C/ q# o
0 v( c3 e: C: G; w＜?php
8 c, i/ M; O9 H$ }if ($filename!=""){6 N4 K" U: y5 b3 A
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；5 g! z) X( t# v5 ?( b) C3 K( r
while ($buffer = fgets($fp, 1024)) {
2 C8 _2 `4 T4 @& A$source .=$buffer; }+ e, ^+ w) W; c, l. ?" |) V
fclose($fp);
( b% J$ c  l8 @' f/ U$ Afile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
) v) x( g8 k: H8 a( Iif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
7 j) [2 r/ @, p# s9 N# xecho "找到图片标签:)＜br＞";}) o' f6 n$ ?8 D2 V
else{
) r2 K6 z, {: Fecho "未发现图片标签:(＜br＞";}
1 e  j& x: \. H. x; Mfile://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，$ B  Q1 Z% g" W2 V' }( L5 j" P) @
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
; k: ^8 i$ C( b8 n% p4 j, Necho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";9 E* L" ]* \- f0 M7 }
for($i=1;$i＜sizeof($splitres);$i++){& A% Q: ~' s2 f+ b$ R
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;
" W% X1 ]0 C0 B* T  U5 ?# Kunset($imgname); // 再次使用前删除imgname变量；
) o% k1 {( o  c$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
# |' {* g7 Y: W$ aecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
4 h8 r6 A) K0 Q. m0 w6 H}) U8 g3 J' B( p) I6 r
}) O% p' ~, z6 Z- V
?＞+ u# y. h6 ^1 h& o4 o$ w- T  \
3 y, W- z$ ?. E$ n* H( N! Y

+ u- K2 P$ e: g/ A8 ?! T; c　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。+ a% e0 l' X  R- r2 r
1 F8 W, Q5 d* a/ q5 ]
　　其中函式sizeof($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。# c# |$ O* [$ ?# q
+ G0 J& T3 d% B' U
　　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。4 w. `; ~+ Q& Q/ R" I. I

/ K# a2 |2 v3 h+ A　　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？