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。  ) c6 b/ B9 i5 s0 a7 A  }( p
( y# h' j5 B, j6 ]
　　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：
4 ?5 I) u5 Y" w9 [5 L* }- r+ K: Q. T: I2 }" g0 G

% f( j* S' v( ]) v＜form action=" abstractSRCfrompage.php3" method="post"＞% z0 f( y; p0 {8 [  ?: P" ^
　　输入网址＜input type=text name=filename＞＜br＞/ Z" Z# i& l7 ^7 B7 d! |8 m# c
　　＜input type=submit name=submit value="提交"＞
3 X, n9 {1 {4 R$ u＜/form＞
. e8 J( B6 g6 Q7 K& k5 k. |) s- m* k6 X0 ~  j9 A
, }1 \. p9 B+ ?6 m- y/ h7 o% _
　　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：. V4 l- d- C* B( `! T/ K
% S; `. f: m% u8 S6 N( \
7 a- I$ }# i1 T* t' \
＜?php0 k* \, A- `5 g( @1 r
if ($filename!=""){
1 k3 K, l! Z. C, P3 `) x$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；0 f, H, U" R: C# E$ m& m
while ($buffer = fgets($fp, 1024)) {
# F! X$ Q8 U  V* D$source .=$buffer; }% j) o9 L1 |' U+ F
fclose($fp);
4 J6 d1 R2 D; j- R$ cfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
6 ^* Z% B- ~; P. Qif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {$ _' D( y+ }6 j1 ^
echo "找到图片标签:)＜br＞";}
8 P; s' s, |5 ~1 ?3 \6 S2 _4 ~- j% Delse{
. K: H: H- w- \/ _% lecho "未发现图片标签:(＜br＞";}
! e. R' Q) g9 zfile://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，
2 J5 |2 x* k; t  z; ^8 G$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);* `+ b5 N- f1 e: i- U0 a* u/ l5 _
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";+ J- N$ g$ R; H6 ]8 J
for($i=1;$i＜sizeof($splitres);$i++){6 h, P) N( i) P# K5 F4 q
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;" Y( P6 z4 R7 w$ d: F
unset($imgname); // 再次使用前删除imgname变量；( J" g+ q5 Y; `+ n8 h0 d; N
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量3 F! [% D. @9 H% n
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息' A# W' x0 `% Z* W/ H7 Z
}. H. U: X( H5 C7 m  o* e& O
}- X: H# @2 a$ y6 g! @% Y
?＞
9 K: x& }) R6 m7 t" k3 n" m
) m7 f' A9 T$ H; i# {! S# w, E5 q0 A+ Z5 x/ 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。& f) D( a( O' Q

5 o' I' D4 x1 ^* Y　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
! O, M. B; u. p- G$ ^4 o/ ~: y% A$ Y( p! D6 ~; K2 b) _
　　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。
2 b7 X* T: h8 v3 {
% M9 A$ D! f, K! v$ P9 l　　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？