Html源文件中image标签的析取 HTML, image, 标签

admin

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。  9 \/ ?2 C1 N+ k7 X% G3 ^% O; [" S1 G: n* S

5 A. |; M2 q: |6 U! ?+ N, R) D3 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：
; L+ t5 s: ]% M# Q! A- U
' Z  e- T* o+ j+ y. O' y* c% o+ l% a! ~7 S2 K4 V' Q
＜form action=" abstractSRCfrompage.php3" method="post"＞! Q; N; x5 \# L. l1 p
　　输入网址＜input type=text name=filename＞＜br＞
+ K. W; s4 x4 ]  Q　　＜input type=submit name=submit value="提交"＞
8 L0 \4 M8 C7 F$ E, y1 }! |＜/form＞ ' ?6 W; ?9 [  X) z: b3 D( o

8 U3 g1 {' V* Q$ l% B
% @- x3 h$ E9 O" @8 r' j) 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：8 G/ J% `9 t9 Q* B
  j, q, U, |9 }+ P: r- @8 F
% I# X+ \8 Y. [6 s
＜?php) f" K/ K& e+ }+ w# F
if ($filename!=""){2 h; ?) {! Z/ i% N! v" M0 w
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
+ o. C; Z8 g6 F! n2 ?8 ~& Q8 Zwhile ($buffer = fgets($fp, 1024)) {
5 A" X" O& F; F2 x  v* I7 J$source .=$buffer; }
' M: \. {3 J  tfclose($fp);. U* D. Y0 \& k1 h9 C
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记* e) Q0 F  A" t& O8 @4 k
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
( y4 [! Q- h$ F. I8 B4 g  y( ?echo "找到图片标签:)＜br＞";}- [1 F9 D$ |7 w, M. t
else{4 q! K# i0 q! B; R6 E( Q6 w. m; X, Y
echo "未发现图片标签:(＜br＞";}: z: K1 C/ ?3 E5 H' F; x" b" N+ N
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，
/ ~, m2 x+ _! |3 j. ^$ m$ ~. ?$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);% d2 A, h# p/ b5 Z
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
* g7 m5 b% e% t! ^( H9 Q7 ?for($i=1;$i＜sizeof($splitres);$i++){
' s$ u0 Q9 d; [. U) afile://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;
+ O' B7 `7 m8 T4 [; s0 |" Hunset($imgname); // 再次使用前删除imgname变量；' [4 t5 h8 n% g" d7 Z. ^( V# V
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量& r! ^' d( O$ f* Z# L" g
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息" A; S% e9 `, i% q+ f1 ~
}, t1 Z# p" v/ X3 K
}
  y, s, P7 q6 A! F# n) N?＞: }- _& C$ d6 m$ Y# Y) i

3 \6 C: A# S( H, S. K/ g$ p  Y' \- W# p1 p1 B" N, H- k
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。+ q- X! G. U  X4 j$ n

$ y, A8 r$ Y3 x/ N0 A. l　　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。9 T& h* a: W" `. p" @7 n7 o. t8 l- B
( S2 N( \! U9 ^+ z2 ]' X( 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。8 O) g3 W4 A6 q: k# x2 d
( S" f; ]* B6 i( l- B0 E
　　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？