|
 
- 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。 * i8 s/ e, U1 W* k3 C
; `$ S( X% d8 \+ s! [
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：
i, b& u" } [: T; {0 T0 i; W. M4 ~, S) P
- i- V7 m$ @9 a) P* I. Q) g
＜form action=" abstractSRCfrompage.php3" method="post"＞0 H0 e' Q/ G: L+ L
输入网址＜input type=text name=filename＞＜br＞
. a/ k1 `6 a5 {2 F ＜input type=submit name=submit value="提交"＞4 v1 M9 |- h/ H4 S* ]0 A) A6 _
＜/form＞
1 Y5 ]4 }" G# m0 M {; o
1 e" ?9 m! r. @* e/ Y% _/ j2 }6 T( W! Q n, H+ q" ^( g6 U
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：
) A: Y' O2 F; N! G, ]! w M+ m6 c- F4 W/ T7 v
' R; y4 A9 Y; s; W D2 Q. \ i, u＜?php
, V j2 n! G5 t0 {8 d! oif ($filename!=""){
) o" u- {! G0 r$ v1 j) q$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
" d) Y) N$ d( |! Xwhile ($buffer = fgets($fp, 1024)) {0 s! ]% Y# v2 z' \
$source .=$buffer; }
4 z8 j; A( L* P- z6 V+ V, c& U4 ufclose($fp); Z1 D- {/ Y; m3 \6 t# ^
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
8 _8 I$ s2 t x& O. G% zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {4 e2 c4 h' ~! v+ |: [5 K
echo "找到图片标签:)＜br＞";}
5 [2 ?3 @ A% Q U" E, m* o( {/ Aelse{! f' l b3 n" }& w4 H! E
echo "未发现图片标签:(＜br＞";}
/ m$ Q) d4 }+ e4 X) o+ w1 i0 kfile://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，( g1 P J0 T0 v$ B, d
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);% t; p2 X, a: e) X: {% j0 m i
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
: H8 E/ e. N; j, Z" h! D A9 Mfor($i=1;$i＜sizeof($splitres);$i++){( Z* ]- j' I7 H- a; h E' }
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了; C8 B& {+ A5 ?! c
unset($imgname); // 再次使用前删除imgname变量；9 X$ V, I7 P% y1 d" X4 [
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
+ }7 N* J7 z% p+ e) ~echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息1 X# f/ i, z ~+ k2 y' l
}
, g$ n) f# D K9 g" P8 H/ V3 v}
6 p9 P" ~2 f9 D5 D?＞
* l# Q. T l- _$ ]
) ^9 f0 E3 P: g' b+ w5 v$ @6 H) H3 d5 @* [7 A+ @' s) ^
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
9 e$ ?6 I! ?+ P$ S/ e
" ?0 }' V* }7 C" C+ t& 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。5 y, T/ m2 M0 i- f' x. _
- F. t j+ \. Z. c8 ?2 m! 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。4 g* p: M3 O/ N" s' s. o
% C! M a4 k" ]' d 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
| 