|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14197
- 金币
- 2389
- 威望
- 1647
- 贡献
- 1337
|
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。 8 o( t% B. \: d
+ Y1 H+ F3 t0 Q% p+ p4 `9 C; s2 R 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：
: p$ V8 f/ Z5 E/ h* K+ ~% e7 ?5 u- E
1 b9 }$ C; t. C- ^" w9 m＜form action=" abstractSRCfrompage.php3" method="post"＞
6 o5 _& P3 h7 D6 N* d3 \ 输入网址＜input type=text name=filename＞＜br＞
& s/ b5 G" {0 c# ?: p8 ? ＜input type=submit name=submit value="提交"＞+ w. H* R+ x: U7 T3 R& C0 \
＜/form＞
5 P5 l) ~6 l& f! \4 v9 O. q$ E2 J7 W9 X- T, O, o; D
& l4 w; I2 @; t# Q8 g1 j1 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：
4 X* X) @$ k4 H; ^) o% e O# _
$ U, M; h3 ?4 U# H
% e3 v9 X1 O# O; J! I7 t＜?php8 {; Z# w$ }* q# S- ^
if ($filename!=""){' k/ S6 C0 T/ E6 y8 R# u
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
' ~! V% v! O# swhile ($buffer = fgets($fp, 1024)) {$ Z7 w: z5 ^ K+ Q5 h3 _
$source .=$buffer; }
' o: O" j, v; K; t" Nfclose($fp);% u; h$ f; y8 ]3 B- f) Z, D" G$ a
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记8 g' ?" j1 P# J: c- M, w6 v
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
! f$ h# H% }' W# N0 a. E6 kecho "找到图片标签:)＜br＞";}/ R F1 X4 C" `, }! W
else{1 }. y; s: J0 J) m p5 b0 d8 s& L
echo "未发现图片标签:(＜br＞";}! H1 m! W* k5 k5 M! }' Q
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，
# g7 W4 I- _0 q4 p$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
) L4 {. R- `! e3 o) R2 n1 zecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";& X) O! E( H& N- M3 V- o
for($i=1;$i＜sizeof($splitres);$i++){
6 n0 Q+ A F$ A, Qfile://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;
8 d3 @* ^. v1 ~5 R, a+ `unset($imgname); // 再次使用前删除imgname变量；
- r* ]8 y' Z4 {4 h0 W8 N$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
2 a: \3 ^' l8 O& R( _5 w: oecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
: V2 p6 }, l& \" S: ?/ K}
0 j8 {# }2 E' L( Q- v. u. r; I; r/ z}
" h9 @5 W" b( k8 C8 i/ X5 y( _?＞
7 Y# x* ^1 t/ g8 N2 d6 w
4 ^1 B9 q; J$ Y' z- p& P' }8 U+ I1 h8 T' C
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
7 I% f+ ~$ [+ E9 T3 N4 L7 W# x7 ?8 ~4 M W
7 B5 V. {" |3 {9 Q) X {6 K& D 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。& M% C+ v0 Q0 p2 s2 ]* V9 o
$ _+ T/ {) i& A+ K* r3 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 R( @* ?. p, i f7 Y Z+ \& |1 }; A# 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
| 