|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14171
- 金币
- 2376
- 威望
- 1647
- 贡献
- 1324
|
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。 0 }3 [' _1 h) G+ B
: L7 x# W$ R8 f+ j, Q& t 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： . U5 L- F1 f2 y% y8 F9 |% X
5 T% }+ x7 j& N1 t6 q& P
1 T. q7 P9 e# j/ W3 l: R＜form action=" abstractSRCfrompage.php3" method="post"＞" M, J" r7 k! x; u4 p* F) p2 ]; H {# p
输入网址＜input type=text name=filename＞＜br＞8 K- m5 V# }# W+ k; ^( l6 a- b4 n4 G
＜input type=submit name=submit value="提交"＞3 e$ G7 o. I7 z3 ]$ x t. a
＜/form＞
3 P2 V! e6 m6 i; T; w
, X2 X* H) j8 b) p; s$ O3 Y; K- Y$ c, P
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：
) ^3 V6 A: i0 T. w& {
; Y% W; O3 S* r6 s& t. l$ A
) x7 \# [( f& k2 c9 r# m$ e! Y＜?php
3 s3 C1 u/ u2 F) uif ($filename!=""){, S; l) z1 [; |6 N$ b/ q2 b% U
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 T2 c* f# h, E# i! y+ M
while ($buffer = fgets($fp, 1024)) {; N0 t6 H5 ~- _4 w5 Q
$source .=$buffer; }
" k4 d p7 Q8 h/ Lfclose($fp);
$ k, v: x9 l, ~/ d' Xfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
3 Q9 T7 c6 J; k4 Q- C1 L2 Rif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
; W- N3 A2 ?9 H4 secho "找到图片标签:)＜br＞";}& h% ]' v, ^1 h
else{6 H8 C4 Y6 X- V" k. b- K
echo "未发现图片标签:(＜br＞";}
x0 u6 d( P$ D0 ?/ V# tfile://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，
& M5 [- A0 S [# m8 t/ Z$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);& ?( J' D, w6 x$ K7 V
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";' M+ @+ E8 k3 ? b' T
for($i=1;$i＜sizeof($splitres);$i++){. l. I4 e' p2 l2 E! F: n o9 ]
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;6 e* m8 c. T3 {8 o
unset($imgname); // 再次使用前删除imgname变量；/ w: L7 I0 ~% {
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量, ?% S- V7 V0 p( j
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 ~5 n7 `$ a% d+ d
}+ p: q! Z' x8 o1 W* v6 Z
}
3 I5 v5 [4 }& g4 o5 Y5 q?＞
3 D8 B- r u% z( o7 m- y$ ^
?3 Y" m4 E9 Q! X( _$ ]' F! ~2 j7 M& t; D9 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。 k2 w' ~5 t6 u5 G- d5 R
0 ?+ D6 c; Y) j4 a# @ M% Y
其中函式sizeof($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。" u! U1 n1 r- X' v$ f% B( R2 X
8 P* d2 |- _' u8 B2 o5 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。
0 v8 g) X5 z/ S) v
& o0 x5 V8 `$ Q4 q% o/ ]+ v 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
| 