捌玖网络工作室 » ASP,PHP,CGI,JSP技术 » Html源文件中image标签的析取

admin 发表于 2008-1-19 23:31

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。  
N5w;SOl|5@L6f,A[mX H)v~"aA1HQol"|x
　　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： R'fl#F"]`o R
s&N`/ye0^cHC

0^S4Gl"qQAp ＜form action=" abstractSRCfrompage.php3" method="post"＞
O BoY} _~ 　　输入网址＜input type=text name=filename＞＜br＞
usx}2t-K%|$w 　　＜input type=submit name=submit value="提交"＞
|~ KK6d
j.r F ＜/form＞ ;f3v,U'D5mR4J}B0f6d
(b:j4aor*P
#wo2o6Y#e
　　输入正确的网址，提交后表单信息被送到abstractSRCfrompage.php3页面，由于表单本身就在该页面，所以相当于被送到自身页面，下面我们需要编写析取处理的PHP代码，紧接着表单代码段后写入如下代码：
&Xod(X/QMZu0H hUu
M ].A7@[;A
-|G d0r8YeEUp2o ` ＜?php
"}kc3?CRi if ($filename!=""){
8K4k1qK'~.jFB Nt $fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；#a|'z2a0i#Z8uw
while ($buffer = fgets($fp, 1024)) {
3W Tz sq+_k+E;B $source .=$buffer; }"_#Da8b!L2B#}
fclose($fp);
8ZX,xas$m file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记 q4sNd0r
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {-\~q'|*F/p
echo "找到图片标签:)＜br＞";}
}0I&^5K7i\ else{%O9So8z'H
echo "未发现图片标签:(＜br＞";}&id;B"RdQ
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， o#zJ7x n k%fN
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
xm1@%E.O)r echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
K4B+FI@)f[ for($i=1;$i＜sizeof($splitres);$i++){
n*wf0G;{Ex file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
!R~/Z$U UuM unset($imgname); // 再次使用前删除imgname变量；
M8k)S2}4~-];Ny1SP $imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
&i-|Lpo'Tjm echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息{v3}6@ X0g
}U{ag,aL,P
}
m,^|$bE^i+W+i
H ?＞
%|V%R{M` d
[H7Llt ,FE2OU G!t
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
t^wt;t
p:rF5[ z(X bc 　　其中函式sizeof($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。9L%mu+YW
r"Z3aJ'HPSX*F
　　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。
^sp5W|5yV#T t2|
*`5{:[nn8j 　　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？

查看完整版本: Html源文件中image标签的析取