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。  
! X( Y8 Q* M4 D3 u( F  C$ B# k, R  u) y% H/ z3 t
　　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： ) W, ?0 E4 C% |

' b6 n3 y# r5 a, k7 W3 R% a: Q& D- l9 ~$ s. c* ^1 H/ z
＜form action=" abstractSRCfrompage.php3" method="post"＞
9 N4 d; Q- [0 Q4 V% u4 W　　输入网址＜input type=text name=filename＞＜br＞
5 A* y1 A, g5 D* N; S. y. r" |　　＜input type=submit name=submit value="提交"＞* [4 X5 [& u# n& z( g- K' ~% r$ o
＜/form＞
" [! [& u5 P/ |! G1 d- A3 y4 |9 I/ x3 [6 B# u1 W6 W3 q7 S. g
8 e) X% l$ t- l5 P3 o( \
　　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：; v7 `: U/ J2 W4 t1 {

7 Q4 N0 }- O: {6 [
! G$ z$ F" W2 L3 ~# \1 w＜?php
$ `% U9 w$ t6 T( [5 hif ($filename!=""){
2 G/ ~8 ?. v3 Y$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
* ?/ _6 Y$ L: c- ewhile ($buffer = fgets($fp, 1024)) {
/ X" s8 X( F& O+ z3 I6 k& X: ?/ O0 c$source .=$buffer; }
& o1 T" _# e) _- h7 Ifclose($fp);
$ R* K; R. J3 p3 Efile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
/ @) I6 Z( H8 U7 W. m  Xif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {% [# y$ f3 B, R8 P+ r  o
echo "找到图片标签:)＜br＞";}
( _9 r0 m. x9 c+ telse{
! R5 `1 d: ?* u* w3 J+ Secho "未发现图片标签:(＜br＞";}! [' n. i1 g( M) A1 @2 e
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 q4 C* N2 b5 y" q3 I* W- s
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);( X. X# m3 V! g$ A" }( u7 S9 j- f
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";, p9 ^# q) D/ A# e, D
for($i=1;$i＜sizeof($splitres);$i++){$ f) G" a* x, I% F
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;
$ q$ T# T% v% {5 e: e' v8 xunset($imgname); // 再次使用前删除imgname变量；
9 `4 ~9 ?, Q# o  ?$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
% ~% o# g2 y& Z$ v. {echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息0 {+ P+ a3 e) p5 d, |) l
}, Q$ a9 ]  C5 Y3 K
}
- M5 Q8 [( z9 }, Z- X?＞
( {' n6 O/ P! _$ i; U
! o+ f9 v, `6 q& J8 B) D5 o& J4 K. R
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。; r- f: F) L* L5 }- X
* t# F' J$ J8 a( s
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
  i' N2 m& Q6 M7 y$ ]/ v
; t! T* M* u2 V. N/ W  o  Z　　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。
- A' k$ J) q" H0 j0 D) c, F9 r% k+ b/ q6 z, N# s
　　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？