|
 
- 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。
. ^- h" k( m% `9 k
# m7 P7 O* L3 k$ c! ]/ K& D; J 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：
5 }3 r, Z/ z2 A' G9 I* M% T& H7 ]. X; u! E+ m2 D
B8 k' x- \9 J3 p2 z＜form action=" abstractSRCfrompage.php3" method="post"＞
, N5 Y) \4 }# E6 {/ w. i2 p* } 输入网址＜input type=text name=filename＞＜br＞
" W2 u2 i- Q& D8 G3 ?+ u5 j ＜input type=submit name=submit value="提交"＞
4 T$ E2 q2 c) @8 V$ m' O＜/form＞ % x% e- g/ R2 p" E# h- V. S D
! x. Y7 ^; Q/ K( h; m* z( P2 i) k( W7 r/ K8 q1 Y
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：
8 N4 h' a6 s3 g! B n$ A5 D b1 P
2 g# k7 M0 u1 K* F9 e/ a
＜?php- t6 s" i4 O0 L
if ($filename!=""){
7 |+ V4 k3 u) ^; S$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 O6 T" x6 W( \* u
while ($buffer = fgets($fp, 1024)) {
$ V8 T+ i9 v4 G# ~& j% V$source .=$buffer; }$ |! j% y) Z: z' O8 V _
fclose($fp);
: ^, D+ R2 K; n8 b+ P2 m3 O E2 Bfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记! ~( N* A& e4 T* ]8 l/ w/ M3 B
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
% X# n" P( h+ u& _# Z& _echo "找到图片标签:)＜br＞";}" c1 m4 P) u; E$ |& h) b
else{# |, f6 J+ r J, J; C, g
echo "未发现图片标签:(＜br＞";}
X8 ^: _ j8 n+ m9 J- Wfile://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，, L1 e5 R% C6 W
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
! h) f( {; ?+ k7 V! @7 E5 `( n2 decho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
( D7 E" O" i- @$ {% ofor($i=1;$i＜sizeof($splitres);$i++){( o% P, N5 B% |4 t
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;
: Q/ I9 p8 M# Q, M, l, cunset($imgname); // 再次使用前删除imgname变量；
5 s/ f* q# r- v e$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量5 L" T; w( y2 c9 Z/ p, X
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
. S/ ~5 A3 C0 K5 g# L} J" z# K- j% J5 v! M
}1 \6 _" \/ M, K+ B- q: g
?＞3 \- @+ a2 N& e
9 t1 c9 l1 O" L- q) f3 z C) T
+ p3 m3 D2 }! 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
, }6 e; d1 ~6 F+ E4 i, v0 w8 d% T: M; b
其中函式sizeof($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。
; L, a4 P& {5 y' P- B7 D/ c) {/ e: q! D, H9 R4 B' m+ q- V3 G T
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。
; X# I) j# Y; R1 V' e4 G! v& ?& o
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
| 