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。  ; h: o! g4 x2 w6 V# ?

/ W7 v  ~5 M5 ^9 i# H/ x* B! m: 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：
; a6 C: @  J" ?& U
& l' w: X; f; l& V+ o; B$ \
, ]& g& q9 Y1 _4 ]＜form action=" abstractSRCfrompage.php3" method="post"＞" H0 h% F0 L5 }$ Y+ F7 s
　　输入网址＜input type=text name=filename＞＜br＞; g& ~/ @4 ?( U/ G
　　＜input type=submit name=submit value="提交"＞- t4 Q% z' h- y7 P
＜/form＞
+ P! x( k2 `* t7 J7 q
  [5 A9 }- k. M5 |) R
; z+ Z% |2 T- g2 U8 y4 K8 [  ]6 C! [　　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：. @" Y1 ^  v1 ]% V$ r; @$ m' E

) i, H/ r' g& A# b, j+ x$ V, d7 U. v
＜?php9 f& {; ~' ?2 |) k1 f5 X
if ($filename!=""){6 I/ A5 D6 L9 N1 V- ^+ A, P- R  b5 A8 h
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
8 k! D2 @+ {, D1 }& f0 Uwhile ($buffer = fgets($fp, 1024)) {6 H7 R. y& ~- y" `5 J/ L7 B
$source .=$buffer; }# R& e) a) @% I2 r
fclose($fp);' {3 q5 }& @8 Y& g: r7 O% l1 e
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
: f, |. c; G) xif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {/ K, A6 t) [/ b
echo "找到图片标签:)＜br＞";}8 {& F( `/ ^) n8 x: D
else{
5 t0 N1 `. v5 u0 T4 N' x1 H" kecho "未发现图片标签:(＜br＞";}
# ^7 ?6 j! E5 |file://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，/ C4 Q( S: Q! M/ T3 e' o
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);8 m1 n* d' v) i% n% V
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";9 P& t4 `* B# c3 L, v- {4 @
for($i=1;$i＜sizeof($splitres);$i++){5 \1 n7 x  V% j9 ~: ~% O' j& {" P6 J& l
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;* a, g* w- d& t- c5 Z& Q+ n: q% V4 F
unset($imgname); // 再次使用前删除imgname变量；) h+ ^0 e, @' V. F
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
4 I4 S# L4 `/ q" X7 m0 |echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 M; R& Z5 ~4 h3 x- j$ v. O
}
5 e7 T2 K4 K5 k8 f}
) f% m! C2 q1 |1 b  P, `2 K?＞7 f" N% @% A$ t, ~/ z  n6 V/ Q

  K/ x3 N) @# h  C6 Z. }! Q" R" l$ C8 E$ `  ?
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
8 z) T6 R+ E0 e) [* N4 A' C2 Y* K- ~: @5 ~7 e( g0 c
　　其中函式sizeof($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。
8 a1 T4 M) w, W" u4 L; I
! ~3 o/ A: C5 k  C4 l　　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。
5 @8 H0 d# {! F2 o
( K0 c7 c" e$ }# y% _　　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？