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。  , L/ ?7 l, T: V. s7 }; O

  N$ u# {$ V: B, t$ x1 Q) B　　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：
0 V2 {# Q4 [. ~: Q" [7 i7 k8 S+ n. k! Q8 x1 d  A; e' a6 m
& B' U% X- J. P
＜form action=" abstractSRCfrompage.php3" method="post"＞5 h; ~0 y4 r) V
　　输入网址＜input type=text name=filename＞＜br＞' G$ S- W3 f/ I; D$ G$ x
　　＜input type=submit name=submit value="提交"＞
# y6 N, N4 ~: s' i0 _, R* G＜/form＞
2 j$ l; T7 y0 x+ y4 B& v* c* f/ C8 |$ j0 |. ?
: s! ]4 C/ t- s. {# 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 k' I" L" g: K( B
" q! e, {. a: O. u3 t9 S* A+ Q; w$ g. o4 u+ g3 H
＜?php
3 c- D" X/ m/ gif ($filename!=""){
: t3 A1 w# n1 K$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
0 t5 f" o1 N0 e. _0 [7 Hwhile ($buffer = fgets($fp, 1024)) {
1 T6 z. ]' f) x0 T! }- X$source .=$buffer; }
1 W1 D6 ?6 T, afclose($fp);
8 V- d* n' T4 L7 c$ Bfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记/ u. J7 r8 z. T: |
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
  u9 {5 U9 e" O" c4 H' f$ Uecho "找到图片标签:)＜br＞";}' a' J7 ?" A0 r% y( i
else{- p7 ^# X$ r6 g) W2 s: u2 F
echo "未发现图片标签:(＜br＞";}) ?- G( J0 _" h( S3 H; j: R  O+ i
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，! Q4 t/ j9 i5 x7 u
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);& m( W1 a  o6 Z# `) M5 t# c
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";2 S" }1 a6 H7 C5 b
for($i=1;$i＜sizeof($splitres);$i++){+ r2 `& g# T- ]7 w4 k+ i
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;: s9 o+ S( _# ~/ W
unset($imgname); // 再次使用前删除imgname变量；2 \; _  |  Z% y0 z7 @+ _/ d/ A
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
' m9 t6 ^; ~4 G6 u) U8 o8 m9 N8 x2 hecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
% \/ ]/ p; m) ?4 |6 `% p+ H5 m}0 f  Z' y/ M1 e3 f
}  `; Q8 {8 P% i
?＞# E( {5 J3 q8 I
# L6 u7 [( s0 B
) c5 A3 I* W) t3 t
　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。9 k7 m( ]( o5 X# \
( x8 i3 v4 M- r# L# e! {
　　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。# s0 ]3 o* F) m/ Y- s7 u9 x8 r

6 i+ h8 U- ^- X* Q0 m　　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。# |) o) x0 x$ o& `$ D  Y& ^- Y
" j4 s  E! B' U5 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？