|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14387
- 金币
- 2479
- 威望
- 1647
- 贡献
- 1427
|
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。 : f+ {# Q& E& x3 t, R
" Q& s( @) S1 d* S, W- h3 q7 R' ^ 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： * s \/ `5 ?, F$ F4 q: i
- y3 o4 S0 x! g5 [0 h s* ^
" R& T b( O! z3 Z4 C＜form action=" abstractSRCfrompage.php3" method="post"＞
; h2 t, t% |. H2 u* w' d 输入网址＜input type=text name=filename＞＜br＞
& c' D! o3 v4 \& Y& L ＜input type=submit name=submit value="提交"＞7 r! _. h6 X% m2 |% ~, H
＜/form＞
( y6 q8 J9 k) T9 @8 g X
/ y6 y( y9 g g8 ?2 ~; g1 V7 g4 f( W8 o& p* [- u- m% k
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：
. s9 e7 V, D. v) T6 T$ x4 G! b0 H: ]9 E, e0 {5 Q
# J. h6 ?& I, w; Z/ w
＜?php- h$ I o9 M" ]
if ($filename!=""){
. {' a# k$ V' q$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
0 p4 H, i6 p |2 g) ~, z0 Xwhile ($buffer = fgets($fp, 1024)) {1 G p: p6 y+ B; X2 W
$source .=$buffer; }
& P I/ U+ R+ `* z/ I* Afclose($fp);. o- n) n# j0 p" K
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
7 p6 l, q5 ^4 X% K# f" [if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
9 O% R$ g% Q5 Uecho "找到图片标签:)＜br＞";}
8 v4 w: Q- o" y; U' Velse{
# o! H* ]+ D+ L3 [echo "未发现图片标签:(＜br＞";}
: h9 k3 }; }# |* a i* K, Pfile://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，
* z' Y4 X1 i' T: ^$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
- n% l8 D0 o/ D6 D) U4 b, T- ^) m2 p; Oecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";$ O; r, E3 H2 {' k
for($i=1;$i＜sizeof($splitres);$i++){0 j+ Q2 y+ x1 O7 F- C+ O
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;; }7 y/ z5 y6 b& ` l
unset($imgname); // 再次使用前删除imgname变量；% F! a2 O0 k% F8 C M' z
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量2 R8 h0 k q8 s3 x. D
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
- i& W; t- K; }7 X. Y" f}
, n/ {* Y/ L. r( }}
2 k! n0 H1 ?$ _ I1 \9 b4 c- W?＞
. h, g; H8 M5 R4 K$ @3 y9 {9 k& `: r* r. u
& S# W, L \8 s( j 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
; O+ X$ B: `* x0 |/ C/ E m- }4 e" }2 d
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
' T5 ^+ m' d" d7 ~% i$ V: Q {5 M) e% K1 K$ i$ R$ Q- `2 e
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。
% D0 `7 {; e& n, Q; m" y( z W6 s# F7 O# F! D) _& L
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
| 