|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14387
- 金币
- 2479
- 威望
- 1647
- 贡献
- 1427
|
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。 5 X" G) _' V1 }2 z, ~# u" g( P
& [2 _# `4 h9 c0 |/ a& L" Z3 _9 Q4 Y- D" T
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：
5 N& O6 q) K4 V9 _% ?8 Y4 w j' f! w6 W4 i) Y
! k2 D \$ M0 K2 b# {# {
＜form action=" abstractSRCfrompage.php3" method="post"＞
) I; I, |) K& g0 W 输入网址＜input type=text name=filename＞＜br＞# Q- D% A5 c/ J# F2 Q9 m
＜input type=submit name=submit value="提交"＞/ F/ n$ W" N$ T! r2 x: _ X
＜/form＞ ( g, r' g$ N3 X
* [$ t2 S: M4 q3 ?4 S3 B4 [
" N3 {6 D4 k, J& Y( G 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：
2 S9 g2 p" y: G8 K1 b" T) n
# i6 k4 h/ L* N* X& z
- T3 s D" C: }& s2 ^＜?php! }3 j5 P/ R, Q8 E& ]& l: ^
if ($filename!=""){
' E" N" a2 t7 P$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
/ j2 K" [: O# O: X3 f2 dwhile ($buffer = fgets($fp, 1024)) {
3 ~, E; L% }/ M( f& s/ z# p1 I$source .=$buffer; }4 E) H9 S3 s) o4 t
fclose($fp);9 l, ^% D* x, j, d2 z h) |# L1 A
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
. i( @6 y+ @. G4 Zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
. q4 P, {" X$ L6 i% k7 V ]4 Techo "找到图片标签:)＜br＞";}
4 M) o) s2 g8 F% eelse{# H1 w$ [- Y7 O" C1 f6 Z
echo "未发现图片标签:(＜br＞";}
) z! ~- J4 v/ G4 @2 u: D R0 `: rfile://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， m T6 `6 j2 j$ _
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);6 v" R$ e: M8 i+ q
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
* H$ [; L0 Y5 s& `6 o2 l% qfor($i=1;$i＜sizeof($splitres);$i++){9 t o- Z a+ y4 A0 j
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;
, T, y: r1 p4 K) M) U% K! Punset($imgname); // 再次使用前删除imgname变量； f9 d! i# H! R% {- `2 A% P4 I
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量+ ^; M1 [& K. P, K7 \4 X
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
) ?, D4 D% B- j5 L) q}
' Z$ _6 c" Z9 C* |% k8 f}
) g9 N% @, Q- t4 U5 F5 |?＞
) i" A5 g$ L% l0 Q( R) ]* W J' |5 R6 D6 o$ N
3 l% v. A3 n! w 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。 H* Y3 I8 Z/ L7 ]* {: Z ~) y
# P; V' i$ }2 y2 B 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。
8 _4 h0 |7 Z' j; s `, W! N- V8 o6 w6 |2 Z' T
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。
2 q `/ [ q1 \/ I3 n3 M p ~& z( A
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
| 