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。  
7 K" Y9 Q5 p9 ?7 Q
( }& m7 o; N, 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：
. P+ {. q* r! \
" E/ i- K( ?" y/ K$ m% O, j
2 J8 O2 j# U4 h: X% N＜form action=" abstractSRCfrompage.php3" method="post"＞. j$ C# O* z+ m# M" t. R
　　输入网址＜input type=text name=filename＞＜br＞0 N3 `, w! C- {( i3 Z1 R+ E/ ?' V* l
　　＜input type=submit name=submit value="提交"＞8 B0 n( O5 a$ q( Q2 q3 j+ D4 x' ]5 o
＜/form＞ 7 I5 [8 M3 D; F; ~  y
. Z' Y" K. Q# G/ [/ s9 V* {
$ A  _( s# e/ b5 L
　　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：
' ?. n& B, N9 t* ]# T9 w+ O8 G+ k5 }7 Y- R

  h& f, n( @- |' F: W: X2 S. V0 k＜?php+ q* x  M! y0 p9 Z* M6 x0 O
if ($filename!=""){
/ n( _6 {% p9 M9 Q5 s$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；& L" D' B' s! \" b5 W( ]3 j
while ($buffer = fgets($fp, 1024)) {6 i/ Q, z; q( z3 r
$source .=$buffer; }
5 B# X3 r- l6 Y! }: Q% j& K8 E, x, W0 Afclose($fp);0 Y, s: C& h1 ~- q* I. V: b4 I
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记; H6 I0 Z; T1 O8 H# B
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
8 [7 o/ Q2 z' Uecho "找到图片标签:)＜br＞";}* @+ H+ O( N3 P# x- O. n, `; U: C
else{
  {1 S/ r/ L  r' f! q, }% @: jecho "未发现图片标签:(＜br＞";}; G( {! s' y" j3 X5 b/ @
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，* v4 {- _; Q) C7 V- ~# W& M
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
, C* m6 q9 B% L) i- wecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";) n7 g' J) H" r
for($i=1;$i＜sizeof($splitres);$i++){
; T; n9 @+ W9 _% t* O' c- gfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
  H' N" `% b3 P  s; i+ r; uunset($imgname); // 再次使用前删除imgname变量；
# s/ Q, z! j* M$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
1 o! s& n3 t& U. `- j& _echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息& r9 r& i4 H3 F9 y* ^2 j# {
}2 i) s7 H0 j4 A  W1 Q- J! C
}, J1 S3 ?# l. P0 o1 X
?＞
; c  B7 ]7 H, X- g" O- P' j' I
. p5 m( O) E( a' S$ I3 \8 o- `2 I
# q7 m% S' r" U: [4 s. P　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。1 p* I. h! D  G1 Y4 Z8 B0 F1 [
8 F0 A; U" x% s/ n- J1 ~, O1 @2 O
　　其中函式sizeof($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。  T9 M0 h9 J, |1 v8 f' p/ v& Q
4 i% \: S+ F! F
　　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。
& j6 o+ h! ]* d. j3 r7 Y1 U7 }. M4 x8 N3 @
　　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？