|
 
- 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。
) m$ W( r+ @( L7 p9 y X' N
6 P( r3 k: f# S& E/ {) y1 q- v' ~ 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： \: h3 y1 D! Y4 S+ J1 I
) z7 {, r2 B" t8 R) X
- |5 E6 i" y/ B. ~＜form action=" abstractSRCfrompage.php3" method="post"＞1 X7 Q" h! p( @9 J+ a7 Y& |& {- ?% Q
输入网址＜input type=text name=filename＞＜br＞; T0 S" s' {& r0 A/ k' C b0 i: K( D+ `
＜input type=submit name=submit value="提交"＞) }6 f1 F+ [" T
＜/form＞ 7 `* c) ^0 l! z
5 g. @! I. |" K
! e6 x* }* D1 F d( V8 P/ a
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：
, B6 w. H( Q6 P- U b! n$ N1 e3 M/ p' u6 R; G) p
% J9 k5 P2 ?" N: G# H/ B) E＜?php7 I- H; ~ w* e5 t
if ($filename!=""){
+ i* F- _3 u9 F# P2 c$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案； E! W+ }- k" W
while ($buffer = fgets($fp, 1024)) {; {- u: \+ q- A$ |
$source .=$buffer; }
/ V2 m \6 m+ W. f5 e4 c8 k5 xfclose($fp);
+ A& e' @ R9 `! r$ p9 Xfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
& N/ m: F" L g% i+ Oif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
$ J5 h2 o* m/ X/ c& decho "找到图片标签:)＜br＞";}
; {) i9 g, t C& V4 ~else{7 Y1 \1 R- H x4 I
echo "未发现图片标签:(＜br＞";}
2 D- U4 T9 ?' I8 W! Z. k5 S2 cfile://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， U4 V) k: T! f% x
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);- d- |7 e8 `6 U- x/ B
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";4 ]* Z" W5 Y' E8 W- N2 G7 R
for($i=1;$i＜sizeof($splitres);$i++){5 O# i) Z, p. A1 H1 s4 P
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
4 C# N. z8 G4 u ~# i0 c7 ^unset($imgname); // 再次使用前删除imgname变量；
4 p: n A, \& i4 L2 j! ?$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
; J& r. t0 Z5 p! F( eecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息# o: P7 \' u- _7 Y |) a
}
& L+ m( V4 P# ^. S" r}
& [: f( ?- {7 d7 y* u?＞
" u( k e2 ]* C) {6 j# l" M: k, m& Q
) O4 P8 A0 c: q7 L6 `0 Y2 g9 Q, p. J1 z2 X6 ~1 f! B' ~6 R$ F
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。/ q% _3 ^# K! l3 z. L! u
# H& l. ^" A0 H j$ K# y
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
: a4 {5 Y( K4 ?$ q/ N# X5 t# y6 G. j/ X; r
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。1 U6 A4 E7 {/ I/ K2 ]/ W% I7 M, o2 _
- ]7 q& D& _8 s# `$ h 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
| 