|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14389
- 金币
- 2480
- 威望
- 1647
- 贡献
- 1428
|
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。 ; v/ R' h2 V w, {" O @
- v. Z. ]% l9 Z; F5 c9 E4 Y 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： 9 c( Y( E1 w% k6 b+ {1 a- F
6 S8 J3 `3 l# X+ U
7 E% V" J( k0 }6 W4 S: ?5 }( u
＜form action=" abstractSRCfrompage.php3" method="post"＞
" R: a; U; \; h3 _ 输入网址＜input type=text name=filename＞＜br＞
( v' G7 K9 s: s# A1 f, h ＜input type=submit name=submit value="提交"＞
0 v: b$ R* r+ H3 j＜/form＞ 0 G, }) V* R. V; ~& N
1 K+ Z' ^7 Z& S; f* g, ?: A# m% Q" B9 O( Q( b
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：6 r) i# l) q, e/ ^# l) B
% m9 c w: o3 ]% Q4 j# J9 R
/ u: U+ c* N2 {, T
＜?php8 ~& B1 @4 E* @9 `" F; @
if ($filename!=""){4 @4 W9 y1 [( r4 i
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；- |/ G; S/ Z( b. H' F* j7 ^ J
while ($buffer = fgets($fp, 1024)) {& i; b: p- E( o) h8 L1 Y
$source .=$buffer; }/ A, ?8 O9 w+ B4 `
fclose($fp);) }) M- V" A# X" t' J
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记. v2 p, |9 d# a
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
# e. u4 @/ X X; fecho "找到图片标签:)＜br＞";}: {9 d* @) B5 h& g# a+ a* k* }5 |
else{
# N) `. i; i" ]0 ]! v: Necho "未发现图片标签:(＜br＞";}
( \/ e' L+ Y& L) T9 R% N! l+ Jfile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，/ I$ W. S- g" N' H. f
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);; v6 O- I* P/ q
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
( e8 z# A G7 M" hfor($i=1;$i＜sizeof($splitres);$i++){# w* s, r$ Y; P4 }# [
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;" v. J% @ @' V# M& z4 K
unset($imgname); // 再次使用前删除imgname变量；3 C9 O1 S( A! `# f8 I
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
# k" [7 e& `4 A8 z9 _. uecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
' y" Z6 f R: }}, p& V+ v0 D8 \" ? X( W: m) A& J
}$ x% y3 i( z9 G Z% m/ K) i: r
?＞6 N' @% V; _5 t8 t9 ]2 N, S; C
" @6 M) ]% b- p$ U2 {: ~6 `
/ Q, w- Y3 [" |, ?4 I' u( p# } 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。 M+ h6 H: q& J" M2 M [1 w: n" c
# l7 h. e; u- k7 N 其中函式sizeof($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。3 }) \/ g. s5 J6 g9 [# |3 [
, Q1 z& z' y C" V9 W 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。, l0 ^( d! d0 E g
4 R J. `4 w5 A4 P/ W6 S. {4 w
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
| 