|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14321
- 金币
- 2446
- 威望
- 1647
- 贡献
- 1394
|
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。 / N( a: _* X( ] J7 h
* _. W& }, |/ }6 P3 E0 h/ w
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 m) [! j6 B5 O. Q' ~9 e
- l5 N1 q, E% o% p' ^
% I& B9 q; f) L% ^＜form action=" abstractSRCfrompage.php3" method="post"＞
5 R8 ~5 F4 D) U6 s; ^ 输入网址＜input type=text name=filename＞＜br＞2 K) d! w2 v5 `# o
＜input type=submit name=submit value="提交"＞
$ P9 ?+ ~3 `/ d& C9 i K1 v＜/form＞ 0 _* O3 j) q4 j
8 [' ]# @) T/ d! L- s) n, o% m3 H! j3 ]' M
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：5 q( Q( {& J W1 D
" E$ Q+ ~* O( m% o' X( b
0 l+ f. F0 q6 t4 K/ _4 \$ G7 B
＜?php5 j) `9 _( @# ~
if ($filename!=""){1 ~3 | p- D* T5 r% a! B
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；8 ?: H! B( s& {( N- P
while ($buffer = fgets($fp, 1024)) {
! r9 W6 e7 ]- c1 P$source .=$buffer; }
* o* ?) c1 O; Q u' Ofclose($fp);
% z L1 |8 s0 L/ Jfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记8 _! {& }: s9 a! q. Y
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {0 g, t& c2 q" f+ f0 B
echo "找到图片标签:)＜br＞";}
. {" k# |4 i0 k7 z3 Ielse{
1 _/ o7 `# y b: m1 v4 c8 }7 R k3 pecho "未发现图片标签:(＜br＞";}" v$ S( a1 r- b) z7 T4 ?/ p6 C/ K
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，
! S+ P6 T6 _* E7 U1 W+ X/ l$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
; V# s7 O9 i9 S- e, gecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";5 L! u4 ~% |* B( r7 Z: b- K
for($i=1;$i＜sizeof($splitres);$i++){ J2 O4 l/ a/ J# R, b. p+ k: V
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;5 L% M7 ]3 p) a
unset($imgname); // 再次使用前删除imgname变量；3 H* {: q, `6 m s" M" U
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
& A, \. p1 l2 s. iecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息' s3 J9 W* Q* T/ ^$ w# Z* n. \2 [5 ]
}+ p8 C+ A0 P! m; C3 I
}
* D" ?5 r4 W% v' h?＞
/ y W; [5 v+ V% |+ c% J! r% Q s2 C" Q
- A4 P- ~, R; Z2 T$ H! T& F
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。0 h+ J. E5 F9 i) U. i B* n: ]
+ n0 J9 D$ }# h# V
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。' J9 g5 s$ D: _2 Z
8 g5 m( _/ D$ h9 @
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。
) q; p+ S2 x7 I' o1 u9 _1 i/ x+ q# Y" y. w0 T( R- Z( J% C
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
| 