Html源文件中image标签的析取 HTML, image, 标签

admin

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。  
! H! ?2 _0 Y/ P! ^
2 t7 O5 L0 D' s' X- a9 f6 I: y  a　　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：
! c5 O- g  G3 _# [) |& Q# M& s% {/ I4 X4 _8 v1 d* Y+ o' T

4 E6 ^8 g" \6 ]& J8 S& a1 p＜form action=" abstractSRCfrompage.php3" method="post"＞
/ P' Y- |3 k' x　　输入网址＜input type=text name=filename＞＜br＞
5 Y$ P3 Z# {& b; {　　＜input type=submit name=submit value="提交"＞
3 @; Q3 l+ F* P: O0 m  E＜/form＞
& f' U" I, P  j- U7 m* m4 B$ \+ c5 z: i4 ?; \  Q4 u

& _4 {! H, x+ d4 r　　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：! n1 T9 q* O6 A
) x# ^4 c0 }; _4 j
2 Q2 S/ r" ?$ s/ l1 P8 y# \. e1 R# A
＜?php* j' \, h3 p3 o, o
if ($filename!=""){
( g  N  n* U# v$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
4 s% r: r$ b( }' j8 u% e* Hwhile ($buffer = fgets($fp, 1024)) {
2 ?5 N; W! n: d. O. H" m' D: }: H$source .=$buffer; }
  ?2 s+ R1 B& R( Hfclose($fp);
0 y- q! w* X3 e$ ?file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
; [2 F' ^1 S. o  _- Uif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {8 A# i% y) ^( ~# G8 X: Z  ?3 C, z7 ~
echo "找到图片标签:)＜br＞";}
4 z/ t% ]1 S- s: S" Celse{
- R. C0 ^, a8 D6 I2 Yecho "未发现图片标签:(＜br＞";}
& C, e7 C3 L9 c# Lfile://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，! A* a% ?  {1 D7 x& H4 S6 L) ^/ [
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);+ J( _6 l9 c% C# ^
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";* v4 i/ n. e0 e# I
for($i=1;$i＜sizeof($splitres);$i++){
$ `' y7 ]/ }/ G4 r7 e5 wfile://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;
+ S0 @2 V1 c  [+ h/ ~1 {  B# }: lunset($imgname); // 再次使用前删除imgname变量；) L$ L4 L* M! K- {, t, R! t
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量& a0 }7 h4 \) m+ I; t5 ]+ e
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息7 \9 [7 U' n! H7 k+ S0 p' O5 j! s
}2 o. ^( H( T( D- ^7 o
}( G$ }" R2 H* S( `, T$ w
?＞0 D! r" ^8 v; `

1 j. W, \7 Y3 r) c% `4 U
: \9 U' F( b9 I　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。0 b* O+ W$ D2 j; ?& Q
5 F$ Z: v, ]6 j1 i
　　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。
8 T) B+ L3 ]; @8 {2 k6 P1 A" m3 Z& G7 O8 t! {* i9 e- n8 ~! _
　　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。+ }# b, ~7 v8 f8 J8 q+ a9 A* a, Y

  A4 b: o  ~0 L  {　　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？