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。  
2 X, B' F, n2 {# S
& R) t; H5 X, |5 T) |" m" M, q　　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：
$ h* \1 o9 y2 L' l* V1 T% I
/ f& X* h& t4 ^' E, A' b* @5 g( g! T3 c- v
＜form action=" abstractSRCfrompage.php3" method="post"＞
0 T- E( e" @; r( ]　　输入网址＜input type=text name=filename＞＜br＞: I5 D6 t/ C. |6 m
　　＜input type=submit name=submit value="提交"＞
+ Y% C( P+ o7 q+ ^. u. `& K＜/form＞ * K- k  V5 a, I/ s
4 d6 r  t* V. U9 {5 [+ z5 N$ r
+ J8 ^! G9 A: y5 o" j" p; o- C% D
　　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：+ P# F  K' g! q) J
9 ?) P& p9 D! _
$ I; W7 J. B; I/ |6 I
＜?php! c0 {5 I$ I7 Y; ~
if ($filename!=""){& K8 C% |, H3 l. m- T
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；6 C+ ]% [2 d. }$ ]% ?
while ($buffer = fgets($fp, 1024)) {
. m# u$ |: B1 E' b8 B$source .=$buffer; }
( q& H' d/ T" p: W& L+ vfclose($fp);9 g( l9 g1 U6 L0 |6 Y; H9 h8 |( x3 N
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
9 \; M' M1 y. m% v7 }if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {8 o, h( F# q# R% P" [4 w
echo "找到图片标签:)＜br＞";}
; K! y2 q7 ]+ x, Z8 r, Selse{1 m' E- D! F9 d1 {$ o: B/ K
echo "未发现图片标签:(＜br＞";}8 A6 ^- N% r4 d1 R; W: 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，
: b  p( Y4 @5 X' R; D9 J$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
4 v9 A( T3 T) y( U* m6 yecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
2 v& c. |6 K- H. y/ kfor($i=1;$i＜sizeof($splitres);$i++){
0 D. \% G. F* h3 ?% Bfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;( n% T1 [% z- P8 `* v6 V2 l
unset($imgname); // 再次使用前删除imgname变量；
3 U* \0 j* U. ?' d$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量' t8 I6 T$ _" t0 v# D
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
2 e& ~5 J5 `& f* D& z7 E7 e/ t; B! B8 F}
! T- u- V/ L: F7 p, N}, u/ k4 q$ Q0 q* Z. _
?＞
7 M1 h4 Q! d0 x" S  n% }# K
3 [* N( O# t# n% T( O+ L1 N
7 _7 C& c' D6 O7 `　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
% O6 J- [1 q: K: t9 [" s( L1 Q' e# V. b/ a
　　其中函式sizeof($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。8 v( _6 [  e  E: r+ m% l+ `
  {2 [7 w! Q+ E* m" u
　　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。- i- v4 r$ s2 H: w/ `" S* \; J7 d
# n4 I( ^& b8 f+ C1 y/ r1 E) 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？