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。  
$ P1 X$ m, ?- V' G
. X$ d. m# |+ E! d& @, 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： 9 Q& n' W  T# L# c1 `9 d( j

+ \% [5 E# j3 k9 l# L2 P# N( Z2 Z* ~7 |4 y9 z' {. t- v
＜form action=" abstractSRCfrompage.php3" method="post"＞4 ]: U; ^  q% o/ S  \7 O1 Z4 W
　　输入网址＜input type=text name=filename＞＜br＞
4 T1 l: }5 W0 p# E) P! w　　＜input type=submit name=submit value="提交"＞
1 G3 Y5 ~, h& _1 A$ [＜/form＞ 5 X) y7 C! S  C4 a& M+ n+ J
6 p1 I" P% f  \2 F
# Z. m; O) Z9 \8 `. p5 [2 D/ M5 \8 |
　　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：3 _6 X# _5 x; ?3 E$ Q7 e$ n

2 Q9 \8 H) a* a3 \) J2 A5 O9 l; R9 W& T8 K
＜?php" H- n1 l# j4 b" |/ }4 V5 E7 \/ @
if ($filename!=""){
6 q4 D9 r" B6 O: h$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；( V+ K* h$ s+ Q
while ($buffer = fgets($fp, 1024)) {5 r0 P" A: i' }" R
$source .=$buffer; }  x# w9 e* N0 q; Y0 {
fclose($fp);0 g0 I3 n3 |" s9 m( q7 F
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
1 L9 m6 e) M+ k( a+ G6 J/ _0 g4 bif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {% S$ P% L9 ^$ s+ z  O
echo "找到图片标签:)＜br＞";}
. N3 h$ X# p, _% Xelse{) b; Y9 _3 K: M4 o) `
echo "未发现图片标签:(＜br＞";}
( A: V8 V3 \+ ?" d+ w" xfile://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，3 B6 k* H* v. f* A5 T. _. ^
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);$ j, j$ Z( D; }& L, B0 @
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";# J# {. z2 N1 `+ l$ A4 e# Q& l6 p; k& |
for($i=1;$i＜sizeof($splitres);$i++){
  h( F" C! N3 ^% _7 E, pfile://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;6 I1 K; _$ P2 s; _( X. ?9 X* Y
unset($imgname); // 再次使用前删除imgname变量；$ |  U' B3 O. J0 I1 L: W
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量5 l" ]! I4 J  ?4 e
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息' y# C' i! i: J4 S
}
' ], E( m. w  q' w! s}& A) ?8 q" s" {! H! Z2 f8 A
?＞$ i  I) W, ?3 }6 Y1 K9 k# p9 W

# N1 m( |# ]* C1 l& u% Q" Y# U  z
　　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。
$ k, w! h& l5 n8 y
, ]; u1 y- r- J& @# S+ d　　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。! g! e  K) I" J

0 K$ @. ^8 v0 l3 X　　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。) M& L, H: z' R  g; X4 M
4 R9 I# V" Z! O# K
　　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？