|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14171
- 金币
- 2376
- 威望
- 1647
- 贡献
- 1324
|
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。 $ b* H o4 c: O
$ K0 C/ h% I1 O/ O; j. m- _ 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： 6 Y3 Y/ H* M( i3 o, e
8 x( z$ S5 h$ ~7 ~/ j. a- v+ i7 |8 D% k/ c8 p$ |6 n
＜form action=" abstractSRCfrompage.php3" method="post"＞
3 I: ]- b @* H. N; \/ j6 a- A 输入网址＜input type=text name=filename＞＜br＞
8 e) s- Y8 T/ ^ ＜input type=submit name=submit value="提交"＞* \, X3 o+ U' N/ g; z$ ]
＜/form＞ 7 y& _2 h& {# R- W
7 s4 V3 t% i- K. d6 F/ v6 E# u7 `
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：; P0 [9 s, N: B' N
6 F- \$ l5 s, v0 G' G( S" ?4 P y- \7 z. g' a* W4 I
＜?php0 R' {( D2 I+ O0 d$ O$ b/ t
if ($filename!=""){5 R+ j: a2 v. K' u1 C
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
) g; H! E( Y8 h) w0 Uwhile ($buffer = fgets($fp, 1024)) {
0 W9 @7 v* G+ p+ \8 K2 w' g$source .=$buffer; }+ _1 S( k5 U1 x( ?1 L
fclose($fp);
8 y( ]! ?+ z3 W, ffile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记# l2 R! V- r4 @( ~6 D" u1 W. V4 ]
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) { w" P1 q7 [& z6 [7 V1 m* }+ L4 Q3 y
echo "找到图片标签:)＜br＞";}
% h9 c' G6 r$ W' U; _, `# welse{
, e" S0 E" z; C5 j8 e, u* uecho "未发现图片标签:(＜br＞";}
# q; F! T8 l$ k+ Y! P' ^+ i5 afile://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，
- u$ q( [7 L! [; }- l6 ^1 y$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
, Y% S9 O8 A' secho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
5 w p) b7 P; P6 j+ Q, hfor($i=1;$i＜sizeof($splitres);$i++){* ~2 ^; t4 ^' x" Q1 _* ~8 [
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;; J5 S3 v; j& Q$ ^6 P
unset($imgname); // 再次使用前删除imgname变量；# a: s9 W4 y. r
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
# d' [+ Y7 A, Z& fecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
# j! g/ ?' G7 L/ H- G* E}7 ]1 N; j5 C+ Z& n+ E/ E: c- z4 P: J
}
' x( s8 J5 L9 q5 F; p6 K0 z l1 f" c?＞7 V' w' | V9 ?' O
' H( s: G7 B3 M/ j) n! }
% ?/ P* f* W; u# F" v 该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。0 V, I( C# U0 m( M& ?" C
* S/ G8 R" M, R$ W$ X, E
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。; I. U* o& Z& h$ p- p
. c$ a0 f& B3 q 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。
, ~0 n2 N) I* G. A
+ y3 F; G4 B! Z/ p4 ?: r! ]; x! k+ 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
| 