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 |! R# {* ~. q! {" B6 \; Z
0 k* C8 W. S* Y1 H" s. ]1 H) L　　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： 1 h( ?$ {7 U1 }- \" P

1 x$ z( g1 n" P. s$ ^8 C- ^& s7 a
& `9 Y1 M- V; @& ~) X  z! }＜form action=" abstractSRCfrompage.php3" method="post"＞0 N6 `# p7 H* i
　　输入网址＜input type=text name=filename＞＜br＞, }( ~0 d- c$ S! h% R# U! S* ?
　　＜input type=submit name=submit value="提交"＞
9 O; A! S* u( c% q* O＜/form＞ $ y1 w$ |; Q; f+ Z
8 C+ U- H- }0 j) V/ b& V

+ L3 q7 j8 I4 U* g) Y0 {　　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：
! ^' H' }; [1 k: L, A# H. f5 y7 ?6 p8 r8 B. ^9 C; G" w: y/ c+ X

+ y! R) g; k$ g! y8 ^5 r3 z＜?php3 y8 ?& \: v2 T- v
if ($filename!=""){
( f* N# T* l) g' D1 V1 A! R4 n* B$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；# b) b0 K( b/ x; e: D, I
while ($buffer = fgets($fp, 1024)) {+ ~8 e. F% W2 H2 X9 @
$source .=$buffer; }2 [  n% S' E! h4 U
fclose($fp);
+ |$ N9 n7 O9 qfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
* l) Y8 ]1 l+ j& n/ o3 K! R' Cif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {* Z3 e& b9 |. \
echo "找到图片标签:)＜br＞";}4 a3 X8 {8 B* v! P' w* c7 O! D) }
else{
9 ^. r" i/ G& \" A9 {: Vecho "未发现图片标签:(＜br＞";}
0 ?! }* P- d) ~  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，% H- e/ ^. I# b2 F: L
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
& Q% k  ~2 O- u% q% kecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
/ P  }% O, c% o2 ]9 [8 H' }/ Q# gfor($i=1;$i＜sizeof($splitres);$i++){
; c( ]& x( v: H! Z" nfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
) M0 X" x; F$ Punset($imgname); // 再次使用前删除imgname变量；
8 R# k, z$ o# W( W& |2 t- C  ~7 V$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量- U& C' t( o3 k0 j& {
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息* h$ W* K) O# b8 G
}
" @3 q, I% L0 L}
/ \4 M7 a% \" c/ j6 j?＞4 o! o. q+ L4 ?8 O

; p2 ?3 ^5 T  {: Z
5 G2 x, j* j7 ^6 N6 n　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。9 S9 K. d% S  f% Q2 [0 X
0 a- p6 O0 j) p- a3 r
　　其中函式sizeof($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。/ [4 A% _9 _1 J9 R9 B0 V2 x

7 n0 T8 y% J2 `　　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。
" W) k! B2 j6 r6 e' U* h! j8 t0 b5 q! C6 w. c, N+ m
　　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？