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。  
* K% @7 f, x" ?% i- f# D& }# u* M: t: x* j# W& T+ z
　　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* Z7 b, F. |" i) q/ i& i& S3 |; m! j0 q, ?+ B; u
' ]- {2 Y5 T, I/ K" M2 C: y
＜form action=" abstractSRCfrompage.php3" method="post"＞
, O4 G( m  x- W2 F9 O　　输入网址＜input type=text name=filename＞＜br＞
6 l# w7 q  w& f' U( S) G3 A, r) w　　＜input type=submit name=submit value="提交"＞/ b  u5 |8 R# C  N8 Z. q
＜/form＞
+ _0 V' s' e7 V# W0 x6 G4 p8 |, ?' Q8 f8 t& M3 g1 L3 Q8 R
" _. }8 U; {3 l9 g' b+ a
　　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：$ Y; T6 ^- f  m, T4 R1 F9 t+ @
" R3 _  p5 R/ L% \0 c4 Y8 B$ K

* U: j+ j5 t+ P* h＜?php
+ d& S% ?/ O* N# `( {if ($filename!=""){
. P1 F& X9 g3 o' c$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
& b, S! w9 g! x) u3 }' Nwhile ($buffer = fgets($fp, 1024)) {9 ~. r! k* k! M, j) |- H3 S6 q
$source .=$buffer; }
: ?0 L0 m" m4 j' Y9 N  ]fclose($fp);0 H; {5 _! n, d/ f) Z
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记6 ]) a. u! u0 A9 D6 y5 B
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
( B6 K1 K- T2 E! {' Decho "找到图片标签:)＜br＞";}
: F4 |& L2 d  M* F# Gelse{! G. _; _: a# z
echo "未发现图片标签:(＜br＞";}
3 G! s6 Z7 j6 y! Jfile://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" U& `1 P2 f
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
; c1 h2 L5 L" W4 becho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
1 Z+ S0 |% _/ c8 H' ~5 Vfor($i=1;$i＜sizeof($splitres);$i++){
& \9 L6 o9 q" h  K) W/ }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;
$ M0 T8 ~  {/ w/ {1 D* H4 X9 Funset($imgname); // 再次使用前删除imgname变量；
" r5 }# w! u9 b1 z$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
, U, j! f) x9 H/ v: qecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
: g$ a: _# M: C: |0 t}
7 n) p4 j& ^$ Q- q: s; v$ R* ]}: C. q% d' G6 u; b, L
?＞/ ^, w' O% X5 Z' p! }* X% `

6 l' U5 J) X' O3 j" y
1 ^; o% J4 c" a) U: C　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。' `& i, X- V8 N4 B9 w' O
. X# [5 ?3 d4 c. z$ q! Y- J
　　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。
( G1 I1 Y# c, b* }4 C* H* U" g0 _+ a
　　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。. w2 L" l: w" \

3 l1 [$ D3 }) \5 a3 _　　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？