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。  ! _1 H' K9 P7 d: ^, Z. S5 |

# _/ q1 }, \* 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：
" M3 l# s/ R& m: u1 h$ S. X+ T( n. U; w6 r
1 E' M0 p* d. b1 v& C
＜form action=" abstractSRCfrompage.php3" method="post"＞2 V8 G/ p: H9 b5 w1 L
　　输入网址＜input type=text name=filename＞＜br＞
( n' |0 Z8 d. {! H　　＜input type=submit name=submit value="提交"＞, H4 N* p9 N! X  q( w8 R
＜/form＞
5 F& f: ~1 ]3 `0 R1 ^2 z# {4 X; d! Y# ?8 W- Y. B3 M
- J" k3 `# E  L
　　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：# m. n+ |% y; U) \$ s) d) G

, X+ f& V7 C% F7 J3 @
  A) I1 v. W: S2 b% j) y  }2 c* h＜?php
. l% M0 _  d. c; Xif ($filename!=""){
% i) K% x9 O( c2 Y+ i' k+ j$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；: d/ Z1 a3 ]9 n  E& B
while ($buffer = fgets($fp, 1024)) {
0 i2 F3 Q  |" g$ H1 F$source .=$buffer; }% }% R. p4 r" t1 v( a; y
fclose($fp);
" w$ W% c7 ?$ p7 m7 Hfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记  n" Y, K1 C* m( \4 A+ _
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {! f8 ^$ W7 @' o# [) @
echo "找到图片标签:)＜br＞";}
4 ?7 d" |' f( A& e, p2 {" Kelse{' a# k# O6 n* M% W
echo "未发现图片标签:(＜br＞";}
5 @9 W( n( \1 t# f( I7 x- z1 afile://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，; H& n0 _' s" z0 V
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
+ S- _8 p  e( U7 ^; m+ Q6 V7 Hecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
2 e. v+ }3 H( Rfor($i=1;$i＜sizeof($splitres);$i++){
! e& V+ V+ E: G: [file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
; y: V/ w+ g' munset($imgname); // 再次使用前删除imgname变量；
) Z+ @, ]2 f+ ]5 k% J( I$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
) P6 |2 z" \% D+ Decho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
; o5 Y$ T- q! }  |0 T3 k$ S! m' [}
  V. B  h' V$ N1 H& ~}! o! z% O0 B% X& Y  n; k3 ?% f9 T
?＞
" @% C( z6 X9 t3 m: ~1 Y# U- ^. J2 w& u' D$ ^0 Z# x: X, Z' X7 r/ _. p

$ E3 I7 h9 Z9 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
% ^4 C8 Y5 q6 y* m: Y6 E2 k- Y" p% C+ @9 ]5 B! E! ~
　　其中函式sizeof($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。
: j  d& i$ O/ D, Y' H* P' h2 g' y
& |5 C! C$ e4 Y' w" i　　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。9 o4 V! L4 t% C; [4 H' D1 J7 v  A
, p6 T: X' t5 B: a9 j: j
　　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？