Html源文件中image标签的析取
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。 T gNvt XW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： "e;m Z2Rt1E*R(zE/o5BK
＜form action=" abstractSRCfrompage.php3" method="post"＞
输入网址＜input type=text name=filename＞＜br＞
＜input type=submit name=submit value="提交"＞
＜/form＞ vR },j\
Y!v)}/~1Al
'Y%YP.a*Tc%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：
&Ehj0GE P d6N)g#n~v:w a
＜?php0DV#wf+eQ1i
if ($filename!=""){
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
while ($buffer = fgets($fp, 1024)) {.n [b] @|O-Xl,a4d
$source .=$buffer; }
fclose($fp);
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
echo "找到图片标签:)＜br＞";}F F;u2ja uc3X
else{
echo "未发现图片标签:(＜br＞";}
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，
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
for($i=1;$i＜sizeof($splitres);$i++){/\ gd4q9v0q7JR
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
unset($imgname); // 再次使用前删除imgname变量；
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量,m1c.V6^8{Y4|N
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
}j(Q QXG(d
}0E#p^:['Ih
?＞
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
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。
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。
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？
页:
[1]