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。  .z\`gW`%K)h2MA
,~5o(F]o+Y \
　　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：
j0^"`2r'zP&e 1{pV?i

5G'fRL%V.G:dqET ＜form action=" abstractSRCfrompage.php3" method="post"＞
? })Hp,tlM 　　输入网址＜input type=text name=filename＞＜br＞
$R*|3uEBv(HwCvV/C~ 　　＜input type=submit name=submit value="提交"＞!ni7`
l2X
＜/form＞ $] iH*R+d8r

MSp l7D ph;mJ,iv%`l
　　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：d"Oq#Y(X;I
i
)V+Omz"m?Tr
:SBc_|t5Tb3[
＜?phprK6[Bs}:OK
if ($filename!=""){x-b6atN$}
b2QT0JJ
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；O/EDV8Cy8Y m
while ($buffer = fgets($fp, 1024)) {9TaD|Ati M%vFe
$source .=$buffer; }`
[Z-l8bD.K
fclose($fp);D\^Uk'r%?:q*B
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
?6g*v-Z0HTP if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {~1B.g-]#y&[(L |
echo "找到图片标签:)＜br＞";}
N(|P:KV'd else{B-@.f^z*d7x]2}
echo "未发现图片标签:(＜br＞";}
bK)L4|1q5O 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，3H-Y(e8z6pmi7r
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
c^ Fs HC.SsAy echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";7t H m`:BY"S
for($i=1;$i＜sizeof($splitres);$i++){
g'Hk1K3pb file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;v$rv1OBvo
unset($imgname); // 再次使用前删除imgname变量；
"F*R:`*c1B/M $imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
8nC,Q`B!? c echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息w\wN!YL
}
[;Jjt8y5q0r m8a }
qO"qG@)J6t ?＞
+nd}l M#SE@
mq.Oe+M]6]W Bv"neO%J1_0O
　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
J1P,[A,Y c/TY/xfn
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
6q$o.~#k l(O{4g6\ aQ\.z B9rv:G 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。
n6k | ]d%KK W'[ ?
$W"vt s4O7q}+|Zb 　　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