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。  ) T5 E/ s, v1 k

! E' @% _6 e, R) X4 O　　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：
# y4 L8 w- @8 Z0 ?: u: }; _" o( O
, }+ B' }1 k  @' Z4 I
7 ^: I5 R- {9 S6 e8 s& {7 X＜form action=" abstractSRCfrompage.php3" method="post"＞, z% D- x! z( n$ E, D
　　输入网址＜input type=text name=filename＞＜br＞
2 M9 J$ ~- J% w/ o3 _　　＜input type=submit name=submit value="提交"＞
7 U+ r+ R# F3 H( |. y- A3 F6 d＜/form＞ + N" x* P0 Q4 k3 W' K# |& K
0 T- r( h( i5 [; P8 p' ^

1 M& \, O1 F" Z7 k　　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：
: C; i/ D' Z7 l6 c- x3 g/ B
) I& D; n9 c  j) @5 g* w7 t" |
+ ?2 O4 |! B0 b7 f; `＜?php
, p- I& ^' i$ X* Bif ($filename!=""){
8 g8 J/ ?8 _5 Z- k4 h) i$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；9 e/ c# A) j/ \  L- j4 L
while ($buffer = fgets($fp, 1024)) {0 @. \9 b3 L2 j# p& k# M
$source .=$buffer; }
7 ~# T% V+ l1 _: Q# y5 {7 _fclose($fp);8 l/ Z4 R9 m- ]- W
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
3 D" w6 Q" k6 w, i2 s( Xif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
, u$ B# y2 [6 S! e3 A" \/ b* P9 uecho "找到图片标签:)＜br＞";}
1 P5 l, y1 W: a' K' k# z: Lelse{
1 {# }% i& @+ C1 @echo "未发现图片标签:(＜br＞";}
1 Y/ Z# z" ~) I4 I6 o' Y) i1 C: V  K% Xfile://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，
# @6 J. M8 k( d3 y$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
3 [/ Y9 s+ @3 N2 N( b& yecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
% O+ Z( d- \+ V. ^4 _1 e9 dfor($i=1;$i＜sizeof($splitres);$i++){
. g% O) q: Q! h" G) i. H# d! Q, l) t$ |0 Mfile://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;' Q' I) T& B  j6 C7 A$ p) V! S7 o
unset($imgname); // 再次使用前删除imgname变量；
) @( ?' W! j/ q. M1 X( {$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
9 x) U2 j7 V6 g3 N  techo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息7 o& q, ?7 D( l- E2 I8 w5 l
}4 o. ]: N3 @+ v9 b* C' O6 i& l. y
}5 A) @( I4 J( g. Z, W/ r. z0 G
?＞' \8 ~8 O! W2 ?$ m6 ]" n
! |1 s) o6 G$ L8 ~% s9 r; o+ T
5 n2 U7 b* N  u
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
' M* U* U) Z& `! }% Q% i, o
* |& ]" I9 _9 `, C/ |% L$ u　　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。
0 y: m# L  i& z- d( _! g1 H% |" M2 v6 P5 K0 J( N, F- V' P
　　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 I8 o4 F( ?% H, S
- f" R: N6 q8 w3 p
　　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？