标题:
Html源文件中image标签的析取
[打印本页]
作者:
admin
时间:
2008-1-19 23:31
标题:
Html源文件中image标签的析取
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。
: c/ f- Z/ g# T) g
8 R# d' K0 G5 \5 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：
9 K2 s% u4 G- d
# [" B+ P; e7 b( w# f2 [- B* Q
/ N8 r+ q! e& f0 o1 ]: q
＜form action=" abstractSRCfrompage.php3" method="post"＞
1 ~* q, O# P$ v1 W M( U+ B3 L
输入网址＜input type=text name=filename＞＜br＞
6 X; Z1 \6 ?2 s2 D
＜input type=submit name=submit value="提交"＞
5 V9 n9 j# D7 J* D
＜/form＞
& a- u& e" U R7 L0 }
! |2 q% L7 T4 G) @% J2 Z! A0 y
$ h7 Y) I( ?' q0 y
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：
* k" ~! j) V9 a
3 Z" ~+ Q! T8 ?6 x4 y
+ T1 k. e( ?. ?! R7 _- ]$ j/ t5 f3 o
＜?php
* k! ]2 V# `4 M k+ i! v( l H
if ($filename!=""){
- w2 z% @# x, q: G: L* g: z
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
! O/ R' H% I( v2 a/ y0 r: }
while ($buffer = fgets($fp, 1024)) {
& j; @9 g! ]0 \) f B3 p
$source .=$buffer; }
- L. @" N" w$ x2 _- `: I
fclose($fp);
! E3 h0 O- V3 R6 M# v
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
& o2 ~4 E1 X) N8 d. S- J9 Y
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
' G8 {" k; a& Y+ }( M6 W
echo "找到图片标签:)＜br＞";}
7 R* o0 Z0 |0 O
else{
- @4 T- s5 g" ?
echo "未发现图片标签:(＜br＞";}
+ _9 G4 b! e# i; k" }! A% F: ]
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，
! I+ H& \' [; \5 ?' `3 Z
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
: Q. p. K, f* ~' G: d; R
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
! d4 Q8 G& h1 H( `
for($i=1;$i＜sizeof($splitres);$i++){
; A7 T$ @: D4 d0 p4 ^; _1 i' z! Z% {2 d1 A
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;
$ ^+ P4 J# r% d8 e* T3 K
unset($imgname); // 再次使用前删除imgname变量；
% Y1 Z+ J1 f \% o) t
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
, s; e; Z" E$ [. H) J
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
, P, E) n0 W- h
}
* K% l; H/ h* I0 u
}
" N' c5 Q' R. W2 q* r+ @# ?6 t8 r
?＞
7 x" ^0 W& l; K; m2 B. n8 z" E
2 U1 J1 H- L( D' o8 f+ I
6 S. v/ U1 j# ^9 z
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
! H; q7 N. z P' {
/ ?6 R1 c) c- ?7 C9 U
其中函式sizeof($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。
5 w2 u# m% `4 |2 M7 j- T
7 n, S2 O' v# y! o5 x. Z5 p1 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。
4 ~+ K( ]+ l. @$ @ S3 r; v2 M
8 T- h# }# m v3 e/ O& U' w
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？
欢迎光临 捌玖网络工作室 (http://89w.org/)
Powered by Discuz! 7.2
