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。  % b6 {" R" |# m6 P& G
8 d8 m: Q2 D" a8 }) d. n9 a5 B
　　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： * _$ L: Y/ A! I6 Q* X+ i& i! k

! [) s5 S, B# ]$ P- N5 G% e/ A2 R4 J" ~4 I: W% [
＜form action=" abstractSRCfrompage.php3" method="post"＞
( x/ z) b, u+ l* O; j1 u: _7 f8 J　　输入网址＜input type=text name=filename＞＜br＞
9 h- b. d  E" o) E9 j" }' |. G: ]　　＜input type=submit name=submit value="提交"＞
7 s2 g0 ?* j. K2 h% Q4 o＜/form＞
8 f7 y5 V( O8 v7 g5 C5 i0 H; L3 n% s. P7 h( [+ P* i6 R* s/ P7 I

+ ^5 m- `/ @# ^! \/ {2 I　　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：% k% g- J0 H7 e; H

8 C$ c* a" U# a5 z3 {+ w. ]" S: G4 j6 `$ H( m6 n
＜?php7 r3 x7 u0 K3 v) q& M8 s
if ($filename!=""){7 r: L; W8 }' D1 ]- c2 E  _  m% G
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；! B3 B2 q. E6 u- d% s! }7 c' z
while ($buffer = fgets($fp, 1024)) {
* H$ C+ W2 S, r+ I" d$source .=$buffer; }
# N0 l/ E- u; w7 E$ V" ofclose($fp);
5 ~8 |& D$ t# T6 G0 E3 V) Ifile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
" g# k- l/ @  r: R% ?& }4 s$ u3 x4 Mif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {! `) @5 @' k$ y; F* z6 s$ a
echo "找到图片标签:)＜br＞";}
8 ]/ w  y0 I( r+ pelse{: y( z; X0 s( i8 V3 U
echo "未发现图片标签:(＜br＞";}, M; F( _: ^9 t) H& ^
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，
) d# b, k5 w. p$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);* H7 S# c5 J: N# ~/ P
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";$ Q8 h9 C% v8 k. _! B' [
for($i=1;$i＜sizeof($splitres);$i++){; w! x( J+ z# A2 |
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;
: X- q- N+ E# q0 u. Y# t; {unset($imgname); // 再次使用前删除imgname变量；
6 N7 v( p  L( _+ x$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量- h# w* z1 T3 N9 b1 [5 o
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
9 w: Y8 d$ r0 x5 o8 \}
, A) Y0 {$ n( T2 D) p! t}
9 q- a. @& A& @9 X1 I?＞
1 ^5 S. F' P! F, K# Y+ n( d; R/ d7 z, t8 r) E! d* W$ `% S: y# \& i

/ p: y4 y2 K. U) l, Y4 A3 B　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
' a( a) h7 \" V) W" ^; M8 m2 N, r3 e2 i
　　其中函式sizeof($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。
5 m, {2 w% c7 \" u1 b( o
; X4 ]" A. l5 N0 l0 i　　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。+ w1 R3 f; x$ p

; q7 {9 q8 [* C* A  w' I: m　　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？