|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14171
- 金币
- 2376
- 威望
- 1647
- 贡献
- 1324
|
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。
$ C2 }' A5 r% I; Y* g. a
. m; X) Z8 ~3 m4 B0 U 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：
0 ]/ e" }+ {+ E. E y) g& K2 L4 s- {5 S5 W+ H: E2 i/ e% m, e
; O3 N& e4 G* i. W+ ~1 k: l＜form action=" abstractSRCfrompage.php3" method="post"＞
) v; Y+ v/ u3 e. p 输入网址＜input type=text name=filename＞＜br＞
$ `3 K$ r+ d* D( q8 T ＜input type=submit name=submit value="提交"＞
' M0 y3 L( a( b( s0 }1 [/ F＜/form＞
+ h {& ~' H; `" u% ]. \% f+ h6 f' h7 C4 J6 y5 M
: d; Y: I1 A' I% K+ f! H2 b 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：
8 c, e D* ~" \; e
4 i! W4 ^* m0 i7 O% _9 z! X. J
9 h! Q3 ~% i& N8 J＜?php* {; i- g" [& _9 y# m# J
if ($filename!=""){5 _. b, o1 r1 T" x S8 {7 n6 q
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
5 z7 X: Q9 m2 w' Mwhile ($buffer = fgets($fp, 1024)) {
7 {2 H+ h2 ~$ v9 p- M$source .=$buffer; }
# x0 z8 e; w! Kfclose($fp);
3 S3 V! W' R4 A/ r. f- J% S, Ufile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
' _" L; _+ K) k$ M3 c6 ^/ `if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {. x( o7 {7 a* s% e+ y* C+ @! D0 W$ v
echo "找到图片标签:)＜br＞";}
' a: h, Y$ B/ S7 h! x1 D! } `$ Q3 Kelse{
' h& n( C" Y3 mecho "未发现图片标签:(＜br＞";}2 i! w3 X+ h. H7 `6 e0 w" b
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，
# `+ h. U9 ]5 n! N1 F$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
0 K8 B& @0 Z' q/ h }- A! [! ^echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";# P j/ `/ O ^1 X
for($i=1;$i＜sizeof($splitres);$i++){; L% P* }0 f r, _/ ?
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;2 s* }3 e; r# e7 \) M6 ~& _* E
unset($imgname); // 再次使用前删除imgname变量； \$ j5 G/ r+ `! [. G7 A* E1 y! m/ O; h
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
6 _+ i8 H! L6 ^9 Oecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息* p* n- U8 q' d4 q/ l% R C% Y' i
}
: f7 l8 s7 M2 u5 K5 a} c- y% W: |) d$ E! d+ m s
?＞
* ^& {6 ?, K1 d6 q+ b$ W. A: F. ?
5 l q- T; v3 U! Z0 ?9 k
7 P. G4 q" Z8 q' A. d3 Q 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。9 \; s( h9 ?! E- s8 n5 B5 ]
0 ]" T1 c: \, u; i9 F+ H
其中函式sizeof($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。
$ T" }8 O1 n! w" x" p% n4 \) S2 N
- } w) I: }5 x 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。
3 E% j' D' q6 u9 ^ B+ u4 ~9 N
+ b9 H6 W! O2 ^/ N7 E4 U 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
| 