|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14197
- 金币
- 2389
- 威望
- 1647
- 贡献
- 1337
|
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。
! I7 ?6 X y+ `, y4 I n" b- x5 V+ B3 n1 t# S: K& @) u
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：
- l9 Q* }4 T' n1 b2 A& B/ h
7 ~* s0 [- C! N3 i4 ?. P* v# h* v+ d) ]) b, Y6 ~0 _
＜form action=" abstractSRCfrompage.php3" method="post"＞7 ^9 y7 o) ?% n0 v: B; }" l6 ~
输入网址＜input type=text name=filename＞＜br＞1 W( n0 ?/ X$ n V" K
＜input type=submit name=submit value="提交"＞3 L; x3 b& S7 B+ L3 P$ F" K# P
＜/form＞
3 ?5 N5 E( M+ T6 p1 }( y7 A% t2 N! R. Q9 I! Q7 q
1 s5 t6 E; X% {2 U
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：0 k+ f. R5 s) u$ p; D; m$ u
2 Q( `' e& x; e: i6 j3 f9 y3 U/ {) f# ^
＜?php0 J7 E+ }7 k3 ]" O
if ($filename!=""){
, U! J, ?( P9 B8 O4 L8 E$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；6 f. x' W; I2 R% b4 Z" |) X2 W
while ($buffer = fgets($fp, 1024)) {
; Z. K- x) r- d1 a* b$source .=$buffer; }
8 k7 k% m8 Q7 x& R' {4 Gfclose($fp);
2 }/ B) s! W- S' a0 lfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记7 X( u% a; v3 T" \9 u
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {! b3 R0 S4 ]7 U) |+ z! j' }* f: H
echo "找到图片标签:)＜br＞";}$ Z, e ^4 g9 s8 t8 B9 X
else{2 e( J2 _5 ~! g* o
echo "未发现图片标签:(＜br＞";}
q$ W& ?* k% t) I' }( zfile://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 M% H ?) {; e) [) L( |$ j( ~1 N$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);) q. U( l, ^/ A8 x. d
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";; D# V7 ^$ j4 B; s1 C: {# E
for($i=1;$i＜sizeof($splitres);$i++){ I2 h$ a2 h# m9 w
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;
) }! Z, v' h0 f' b- t. ounset($imgname); // 再次使用前删除imgname变量；8 Q( ~2 ?* b, p
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
. `+ b* K0 X2 K% f, R/ t! l3 S+ u3 |, [echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
; C7 J$ Q! r5 i4 a}
, O* x: T2 F* M# ?$ c& K, V+ _}2 z5 A* ]+ V" Q; ~
?＞' b X' i' B; |; Q. n7 u$ u
* W N# @+ M$ J I# w
' \" V4 F: ~2 y6 I/ g) g& ] 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
7 Z8 _9 D# c8 A w, s9 ~% A: ]" g0 W* h( x" `- T# m
其中函式sizeof($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。/ |. N T( o6 h* p6 }/ {
- r- K, \# |# e- d, p( Y% _
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。
- D& V! c8 |" Q3 N
6 h- s D) T& j# r6 i0 F) O 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
| 