|
 
- 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。 H0 }+ M8 Z) q4 ]
0 w7 H2 N! S$ } Y4 P8 t- `' h% \
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： / P- w' G1 k' }% z) u! e
! y9 B* s: ]5 b' y! y4 F7 L4 n
/ _1 I3 r4 a- Y3 Q: r＜form action=" abstractSRCfrompage.php3" method="post"＞
# Z# j0 G4 l/ ]2 f8 E 输入网址＜input type=text name=filename＞＜br＞
, t8 o1 R7 J" }1 ^3 ~5 [ ＜input type=submit name=submit value="提交"＞
+ P( c8 f. W8 D6 j9 v＜/form＞ / |% v0 J1 ^9 s1 L$ D3 F
$ @; A- k) M h; v$ _
. l: x# Z2 i$ E& _ 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：
9 ?. D0 _5 i0 u( `" L& X% P$ L0 |/ B) I
0 l7 A% O& ~5 M- l＜?php
0 ~0 c& V$ q5 d9 Dif ($filename!=""){
0 [- ]8 V" {& x" j# e/ A6 g$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案； N5 C+ R1 Z0 t. j9 L
while ($buffer = fgets($fp, 1024)) {
8 F9 E2 _5 p% O5 h0 I# c. l- u$source .=$buffer; }( Z/ L' \6 L u( X; y3 M; z
fclose($fp);. [% \5 B o1 D5 G- `/ C
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记; w/ D3 a2 J+ c2 Q5 z
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
( R4 K. w4 d" Z) m! C. ~$ Techo "找到图片标签:)＜br＞";}! F# C" [; `0 j
else{0 a1 B6 O3 ^ t5 b+ t
echo "未发现图片标签:(＜br＞";} D7 W I2 T% |
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，2 m6 M, o6 `# Q2 V# n
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);( J' \6 f: _0 x7 O9 I- q0 I4 W5 o
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
" M x/ i% b7 l( O! [for($i=1;$i＜sizeof($splitres);$i++){
, X+ R+ r# `; ]file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
2 k. k; j& S2 g9 Gunset($imgname); // 再次使用前删除imgname变量；
% {+ Q7 Z( }, P! G: b# x$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量+ @6 k. h6 c0 ~* N
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 h& N+ I9 `& r V& U3 A
}
6 D& c3 u0 M: h" C7 K}
# e/ x0 b$ s; S7 e. R?＞7 F: d( [: L$ H: A4 E; k1 u
& F, M% k- F3 m* T6 x: X8 e j9 J; o/ U" N
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
1 b+ ^0 t6 D2 G9 k( \" i. k7 \$ u- p) W- x
其中函式sizeof($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。$ ]' M# s* E( x. x5 g
. O" [. a( [5 v# z& Q' |$ u7 k 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% M( J u- t: J$ D) `) v. f. Q
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
| 