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。  5 D' g" S6 j' `6 g5 T2 H) v: ?
% Z7 F7 I  Z0 Y( v
　　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： . V# i9 f6 o" k3 P( u; b

# K, B9 U* Z' \1 N3 D6 ]# M, |8 ~8 k
＜form action=" abstractSRCfrompage.php3" method="post"＞3 S5 j' S. T' n) c9 B
　　输入网址＜input type=text name=filename＞＜br＞
9 P( ~# U' @; u) |　　＜input type=submit name=submit value="提交"＞/ |  W* f9 O& x1 ?: m! Z
＜/form＞ * {+ h& M( @0 ]/ F. L. B

# |7 A& Q* z+ A% O
7 H: X% J; w8 ~2 n　　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：2 L& D3 q% P6 O8 y1 j
  I5 t# X) R* F7 o
6 M' `. V, Y" ~' Q$ W3 E3 e
＜?php' h( ~' k, ^) b  |( i: m; ?2 K/ d
if ($filename!=""){) ^' \  r& T9 U# b( b
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；6 `% N" n* c6 U1 q( W4 a& O
while ($buffer = fgets($fp, 1024)) {# \! `; _# w6 B8 A& ~
$source .=$buffer; }- O) z$ X, \4 j+ E. z1 u
fclose($fp);# \9 \, I+ v. k- P3 P( M
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
8 g) z* v! W6 t/ f3 S7 a# b/ H: Vif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
6 p% ]3 v7 h- p" [echo "找到图片标签:)＜br＞";}. X! G9 |. \1 \. x1 a
else{
9 w* F  w) E* }2 s/ b+ wecho "未发现图片标签:(＜br＞";}4 E0 q; J4 R% 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，0 B5 I; b6 L  _; b4 D" ^' I
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
5 u2 B1 v6 V) D  e$ h) G9 }echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
$ S9 S* R, T& q4 F" N) f7 Q/ lfor($i=1;$i＜sizeof($splitres);$i++){
9 H4 G: t: {3 u# z6 Hfile://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;
' g0 E, C. F& [3 d, N7 Munset($imgname); // 再次使用前删除imgname变量；* D/ j9 u/ y. P  A* u5 z
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量" O4 {6 K7 e3 ?6 e' P
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息0 Z  t5 A! |2 B
}
6 s" N/ b" ?& _6 N8 S}% l$ Q% S& O+ ?. `3 H( b
?＞
$ x% _- E- L0 W2 D+ _; l8 P0 `2 \0 \0 }4 W& L

3 m3 }- l( |! @; h3 w4 E# w, ?　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
( J; c" p$ q6 s  q- v+ u& g0 U* Q! }3 d/ X% Z8 {* s
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。9 f3 ~/ f2 Q7 H- z1 U9 o3 n
% H5 _: }, c! T- s4 l/ ^+ J
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
1 n. Z# S$ c! L3 G; s* n2 W" o: A4 E1 s, K# i
　　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？