|
 
- 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。 ( w; K$ v. T1 c3 L
( T1 W5 o1 \/ M, U K* O" ?
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：
6 B. c3 ]3 r1 t6 J7 Z* M! s
2 g* q9 N; }1 N1 m/ S
6 {6 X8 B8 Y: j) F7 A3 S0 q＜form action=" abstractSRCfrompage.php3" method="post"＞
2 W# I9 e3 j- H3 |, C$ C 输入网址＜input type=text name=filename＞＜br＞
" x$ P# ?4 e% J ＜input type=submit name=submit value="提交"＞' z" \- p" _( S, J- |+ Q+ J: a* o
＜/form＞ $ Z4 }2 V" M0 e0 g
5 F W8 L9 b6 p; e
# A4 x& a: s, f- u) k B/ \
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：6 g2 |' p+ T' O# j/ Y9 Q$ [" b$ R0 e
5 f. l: G; I8 C4 ^! n% I& L2 h6 L6 b5 g9 F: S
＜?php0 h3 D( Z$ E% ^6 i: M* m* J9 ]
if ($filename!=""){& H/ ~& c3 f# A9 Z) O/ R$ \ c
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
+ U, i( y$ e( _* @while ($buffer = fgets($fp, 1024)) {
7 y; p4 G. a9 c$source .=$buffer; }% |) N+ o z2 |+ Y6 v; ~
fclose($fp);
. e; p& \" A1 h; t( E3 x( rfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
1 J0 b$ k" `& J2 R2 rif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {1 \/ H5 O8 g% v* U
echo "找到图片标签:)＜br＞";}
0 O& |4 |' a7 belse{
. b7 \- B8 R2 e5 O5 I* Becho "未发现图片标签:(＜br＞";}, ], U V) v/ \
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
+ w5 M0 E1 m; O' }$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
. Z9 y8 T$ N0 o. yecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";9 u! a/ s1 o- r
for($i=1;$i＜sizeof($splitres);$i++){
$ L# {4 K/ ^/ q. e% u% wfile://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;' D/ ~8 w! P$ Z, Z
unset($imgname); // 再次使用前删除imgname变量；2 p+ Z2 m7 z/ t
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量. }1 K/ h) ?6 b5 p- s
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息( ^- ]' I3 x; y2 x9 b+ q* j
}* [* a" m% h% k) p# b
}* q) D% L5 l" w6 r" z5 O
?＞! T( L. G1 n: |; l. l' h
1 T1 b# @6 c+ L7 w+ Y6 U# a' I+ R2 O! F) A4 L6 D
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
+ D! T8 {$ j1 ^3 |/ r9 S( D7 E, |% ^6 j2 Q6 d: d6 K3 o+ t; @" l5 l3 M7 ?
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
5 Q/ u) }+ b$ R9 p$ G5 m
+ P% ^# ^* x% N- c+ u( 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。
9 ]9 \6 ~$ {: T* j4 L! B; u0 e' v5 P0 g
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
| 