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。
" ]# L1 Q& l9 R5 j" X: b+ X+ R) B
; R0 a6 E) X2 o7 m3 M% G0 G
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 g1 M q/ k) N6 H8 u
4 ^8 F4 `# Q+ g* E+ E2 D6 Z
0 V. {, D0 T1 Q! \& J( C
＜form action=" abstractSRCfrompage.php3" method="post"＞
1 {( e: i6 V, f q$ K& f, c
输入网址＜input type=text name=filename＞＜br＞
/ p5 r9 X/ O7 [2 G3 t
＜input type=submit name=submit value="提交"＞
+ C: [( r$ H( _& s) L2 R1 B
＜/form＞
3 `; U6 h# F0 l* n) f( ^
; G$ j# F, n; \# l% l Z$ w
" m G7 b/ a- p* }
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：
! p2 O" q9 G z- H: r. h5 | _
( A% ]) ?7 I! c6 k- E% S: n
6 B7 w) ?* y4 s! _" J7 l
＜?php
3 [, @' [2 D; b3 L. p
if ($filename!=""){
) n( @. X5 B4 h6 a
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
2 O' h A* o! D+ ~! S
while ($buffer = fgets($fp, 1024)) {
# Q$ D# _. t% D" Y1 D
$source .=$buffer; }
" I5 S/ }9 l" [3 g8 I
fclose($fp);
' P+ e1 G- U& L7 f
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
/ I) h, G% S0 f0 r( {
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
5 y4 {& G% u- @, c; z- W
echo "找到图片标签:)＜br＞";}
h$ u0 }% w. `# e6 _- k) i2 A
else{
) f% P8 w7 _' m) t1 z9 T
echo "未发现图片标签:(＜br＞";}
( c* k- Y; k: v$ f: I) b+ U# G: X
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，
6 h& N) I$ r# A: D" C1 A) _' Q
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
3 p$ V( a) }4 A8 A, F6 p8 s& |; G# U+ w
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
2 B. \ Q& ]4 ]5 S* X
for($i=1;$i＜sizeof($splitres);$i++){
/ p% v/ m) i% k. W) a- h
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
' M. e+ c) v$ k# i3 ~7 \$ ?
unset($imgname); // 再次使用前删除imgname变量；
: U6 Q; F% d" y) c* F
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
+ W: X& L8 X; @! \/ d' q
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
. p) o% I& o: i& R$ o
}
0 `1 H8 u' \4 b# y1 F
}
; q( X; u* F* A" Q
?＞
* ~0 |# u# U, w9 y
6 k8 R* q- k6 z9 o; z1 f
) c5 ~7 m4 ~+ z# @: }/ h* W3 g4 J 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
/ l7 ]$ o2 ~" |# u: B
' v% b5 L0 e* b+ g2 T# K5 c
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。
: e6 g" J3 L7 Z+ X' p, F+ k' K
' {" e+ }2 S' `# s+ L. K/ V+ l
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。
6 h( c- S; ]* M9 p. e
7 l0 a3 p5 ]% e" Y. \2 q/ t6 X7 V
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
