|
 
- 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。 0 S% r% x% A2 f
- B ^0 T% |, r/ a: V0 I 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：
7 @7 b0 u8 @* D1 z E9 b# {. A% x/ u4 Q) ^
3 ~9 ] H+ \! g+ C2 |) Z) c; S7 q＜form action=" abstractSRCfrompage.php3" method="post"＞+ {" P3 [% t1 `
输入网址＜input type=text name=filename＞＜br＞+ a2 |) S3 {/ U# o$ S) ]$ c
＜input type=submit name=submit value="提交"＞
9 w% L% A u6 T+ u＜/form＞ 6 s! i/ o* D. K8 v% m, k6 w
5 _( k; U. K+ ]; Q) _% u
D" }- f: T" {9 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：/ h# c1 {( @8 B+ G7 d
2 j. g4 f7 j7 I2 t8 F- y$ m4 _. y. M0 Y! l5 G" x/ F0 D6 |
＜?php/ f( N* Z7 {5 c# F+ h6 K
if ($filename!=""){
- X# |8 {1 }2 j- h; ]9 L. I$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；" M; }+ \& N; M. j% ?' h* Z
while ($buffer = fgets($fp, 1024)) {& I. p" K4 c6 m& `2 E7 m6 v" |
$source .=$buffer; }! Z9 g* x9 v8 } {4 Z
fclose($fp);. E/ e% _) U# }( b9 [9 ~
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记; H0 n" F8 |( y5 ^5 ^0 a' @* A# G
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {1 n) M3 h6 v s
echo "找到图片标签:)＜br＞";}2 h* V: c9 b9 }3 H( P- `# E
else{ u: I8 M F& R" A6 j: E7 J
echo "未发现图片标签:(＜br＞";}
? l, D: M b) `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，% i# e7 c* M7 N
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
5 f' G# ^ n! a9 e3 J3 zecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
9 l7 u* z6 |. W' lfor($i=1;$i＜sizeof($splitres);$i++){
1 h6 x% M; U+ g8 d/ m1 c& S, _file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
. C) s% Z F4 r) }' R }unset($imgname); // 再次使用前删除imgname变量；& t3 @2 M( Y" A; J# V/ x) |
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量* E. f/ y/ W8 ^1 q+ x8 o
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 A2 h) ?& z3 x8 c% p! q6 D
}6 g1 [, B0 c/ H% y
}, y& j2 S# u$ }0 y' Z" @7 B/ y
?＞ X9 y2 ?, N! o2 m; i
: H4 h$ @8 G% v0 k. G+ Z+ f
0 ^7 a. \, _1 a/ u6 w# q: a- u 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。6 B- C2 ]& M3 [, U& t
8 P3 Q) Y' p& l+ Y9 U 其中函式sizeof($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。
" t' j' I, c3 S7 ^) z* ~ i* ?1 c7 A' b
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。 x' E# D2 {; ^% T
, f' }( Z" i" ^$ m& L5 Y# z 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
| 