|
 
- 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。 + N# x. B. h+ u" J+ a% x
4 R/ I5 V8 t, t, h! c7 M
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：
& o% \6 l( J. Q/ v' v* N% ?
' |: ?& l* R! h3 |7 d/ h
+ P; [; p# a( ?+ N6 L$ A＜form action=" abstractSRCfrompage.php3" method="post"＞
5 k2 N' L+ a! T" f8 u" H 输入网址＜input type=text name=filename＞＜br＞, u' I( T$ b3 n, R. Y
＜input type=submit name=submit value="提交"＞7 I6 }& g7 y. A/ M K+ i6 O
＜/form＞ ' A/ x4 v0 ~, B1 r. ~9 ]) _
8 @+ d% g! V9 \4 J
" q8 Y8 J7 x M! V: p( a$ G4 v! X% |1 s 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：
/ t' a1 d- A/ e
% ?1 Q5 c, [/ U' D* g
]. Q1 _2 \9 o' [4 N) t* ^7 J＜?php
6 l6 k. q1 g0 p+ U# H; Pif ($filename!=""){0 `# J; K$ G7 z [2 w# F
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；# ^0 z6 C: ]* a! [
while ($buffer = fgets($fp, 1024)) {6 E% s1 m8 g, r) T+ B, ]" [
$source .=$buffer; }
4 \. f2 L5 a8 x3 B3 \fclose($fp);
: e8 ~ H* ?7 h, v M9 _file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记1 J; ~( {* G0 w( V
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
2 }$ @: T( k* \. z8 recho "找到图片标签:)＜br＞";}
9 s" N% Z' G+ H# u+ S2 uelse{+ u$ c* x( l; I+ @! c
echo "未发现图片标签:(＜br＞";}
& M/ _% n- ^8 ^; E/ j0 A6 Cfile://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，8 y. b) n3 T" C4 {& } h! a: `
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
9 B) e8 t/ n, Aecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";9 I' Z4 W0 L; B- o& g6 O8 P
for($i=1;$i＜sizeof($splitres);$i++){. W8 S: x8 G; T: q3 a9 R3 K* I2 L
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;, F$ |5 w" b- i8 ~! ^) C8 D5 g7 N7 D5 _
unset($imgname); // 再次使用前删除imgname变量；5 ~' k! N; A& }5 R
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
% _( L0 v9 E9 p, [# recho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
" ^ U3 j; [- w}) c t! `" Y3 X0 L$ m' y; v
}
# o5 H+ N6 Q4 X/ n5 S; n! o?＞
; y$ `6 }/ C& h* N! y
" a/ h; Y( t. f. t' @
# C9 B; M; g: 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
* g4 C4 {/ |- g: I
9 e- I8 ^) b$ X 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。3 ~% S; x5 w; S1 D0 Y0 A
$ v' Q7 W, m8 a. i- 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。 o+ f" a4 x, O2 Z
1 `& Q! ~( R! J5 p2 c
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
| 