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。
6 j4 E$ T6 a' d) A! M
?; j" q. H, b' F; Z/ D
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：
1 r, v. {# {& u; }6 a6 q
2 q& P: A5 V9 R# U
% X2 }9 H: R7 s; ^( ^& k
＜form action=" abstractSRCfrompage.php3" method="post"＞
8 [5 H5 b0 ~* S, r5 ~- C* E% ]
输入网址＜input type=text name=filename＞＜br＞
; b9 F, H6 }( H* O
＜input type=submit name=submit value="提交"＞
0 k$ J) D+ U8 w2 G8 ~% i! ?, `
＜/form＞
7 i$ J5 ]) t. T
; ]7 k: l" k8 A
+ n5 v$ }( S" H0 H ]9 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：
- B( ~% f0 i% C% T W
0 R- ]0 _: F p* h; _5 [+ c$ o9 c( B
/ }3 d5 v; u D1 J
＜?php
8 N+ x; M" O4 ?. w
if ($filename!=""){
/ M( i! K3 z9 a$ w/ \, `5 W
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
+ X% i7 W5 s- ]% |# l
while ($buffer = fgets($fp, 1024)) {
) h: @% ?3 O- z) K# V1 e6 H# A
$source .=$buffer; }
/ I. ^4 n$ p6 ~% V4 o
fclose($fp);
9 R8 a0 F0 Q( d0 z" ~
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
: \: p% ^6 Y) v" N h
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
- A/ n9 N- I6 Q1 C/ b1 Z1 p1 E8 m
echo "找到图片标签:)＜br＞";}
: d1 @2 v0 l A: I
else{
& I2 m' o9 o$ g
echo "未发现图片标签:(＜br＞";}
4 |* R% p9 } ]& H; g; s
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，
; e9 _% B3 s) s2 h2 T
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
$ t: y7 B* c `$ z
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
% g) ~$ B) [) J5 m, M
for($i=1;$i＜sizeof($splitres);$i++){
4 V( H. S9 S* _! U3 f3 s
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;
6 `; f; k! E* }" l3 ^5 M+ w; x1 \
unset($imgname); // 再次使用前删除imgname变量；
) N. k8 ?! ?& J: z& D
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
/ _; a* w( n0 w/ y3 ]8 o
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
0 A2 t g' z7 q: w( t2 [/ `
}
4 D5 {) ?( n/ B: I, g
}
, X7 p1 x8 \" l1 ]' Q
?＞
, e7 ^) b: W/ i8 D& G1 o3 n
+ M4 J/ X" o5 Q4 @. {; Z: j" y
! ~1 \) f2 J) X: L# w8 x
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。
$ F# K( \) |0 f6 u! d, S H
( N% s4 Q+ Z n5 c3 @# T! w4 `
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。
9 b7 w+ n( X# D3 C: Q
/ _- b# T- w1 Z& {
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 j% k R# Z: H/ N" q
6 L! M4 U. C& J9 S: I+ F1 |
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
