|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14321
- 金币
- 2446
- 威望
- 1647
- 贡献
- 1394
|
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。
! Q- v6 v, ~# a! p3 `' C$ y6 s
. h: l& T8 z, x* e 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： ; B; U0 o: ]7 K
: I: ]* K+ Z# H7 B# j5 m4 M8 K' e- a x# Y$ a, z' X* X$ L/ {
＜form action=" abstractSRCfrompage.php3" method="post"＞
4 b& f' H/ Q5 B" G' I' W7 u 输入网址＜input type=text name=filename＞＜br＞
' C6 k5 U7 H: i8 R% m ＜input type=submit name=submit value="提交"＞
1 c* `: p |, o$ J) V' s' F＜/form＞ 9 N+ U2 y- [7 K, {& [4 g7 e
# _. ? I, p% x" i# g2 z/ `9 X. x. H& c; h3 Z. t. m2 ~ x) ^# ?+ q! 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：: u1 I5 i( t* m' p5 _+ [1 ]4 M @
, o* H1 C+ _5 ]: I- `
) b- H4 d' B2 Q1 c0 ~! B
＜?php" X7 h1 y; E0 |, E3 ], M% J
if ($filename!=""){1 n& V2 g0 ?9 [' X" W$ P
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；, w0 h+ T. G$ U! P2 L' m& v
while ($buffer = fgets($fp, 1024)) {. u" X& m3 N* h' I7 U0 y. f4 ~
$source .=$buffer; }
( L# I% Q4 r, U4 Rfclose($fp);
- o4 X' U) T6 Nfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
& y0 j# H4 }7 N4 a, @9 x3 F- ^if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {5 Y' R( H- _9 X2 k5 @
echo "找到图片标签:)＜br＞";}
3 u+ S) F. r; e( {: }else{4 C2 @$ x' g$ F7 T5 K' q% x
echo "未发现图片标签:(＜br＞";}
& }( e1 H% ^3 T! ]* F' G( P3 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，
- A$ f8 y% [9 h ]$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
8 H3 }# X' @2 z1 d5 Fecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
7 x' I' A# T' N$ Ofor($i=1;$i＜sizeof($splitres);$i++){
# r E/ L# H. B) b) T' j% Ofile://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;
w7 U; P& o, B4 R( gunset($imgname); // 再次使用前删除imgname变量；
( H- Y! x9 K8 P- a8 @3 j0 {$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
: {9 y- K+ `9 e# Becho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息7 l7 M- P1 j/ l1 h
}6 ]& R1 T" ~- r; U/ }. P+ w* l
}
5 e, c: T& p6 F?＞
& T7 |! |" d0 e( Y1 @& z! p3 R& J3 \* Z2 \; j
1 l0 J8 C9 A1 t5 U 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
4 d8 v# @- O1 t* q
. U6 P3 N1 v" W8 G( h1 A8 [% K 其中函式sizeof($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。
! r1 b. }; ^, V, E: A' Q: p. N" i) ?2 w; n/ Y6 x6 b1 I
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。
8 H: A" V4 k' e S" K$ g7 k. i: s% \3 l+ H$ Y$ v$ u3 G% V; R
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
| 