|
 
- 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。 3 F% `2 B( n- P& N# Y% X4 `
& x0 x& |5 y9 Y/ M
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：
( b! W- F) F; _, e e% l1 h8 _+ h, @: K5 e5 C8 u
* S1 w% m* u: S2 K1 J: c4 H1 X' H* {
＜form action=" abstractSRCfrompage.php3" method="post"＞
6 J& d! U8 M, Q" Q. ] 输入网址＜input type=text name=filename＞＜br＞
- n$ a% x: P; x9 @* ? ＜input type=submit name=submit value="提交"＞( v/ F" w$ _# T" Y t% j0 t& e
＜/form＞
7 ` y$ i5 M; o7 ?5 l) D3 p- l+ n4 ]7 d- b6 Q7 m# x
& d) M% K9 m# F5 L 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 H; s* w* P- P$ f( u2 Y
) d4 }/ y/ ?+ c2 u, b0 d
; t/ W. A: l2 U& t, Y. }' D+ C＜?php
1 x# B% E- [/ _% Jif ($filename!=""){
/ v+ Z1 T; q6 A1 v$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
! N$ u C: w+ xwhile ($buffer = fgets($fp, 1024)) {
7 @( m* N2 B6 l; [" b/ B! M8 X$ V! l$source .=$buffer; }
: C! q5 ?/ \; b0 s& pfclose($fp);
2 `, X# b6 F* n% T5 e" N' R: V1 z% Xfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记, E8 g7 ]5 N$ R" T. g
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
$ S) W9 q c0 A9 @6 vecho "找到图片标签:)＜br＞";}
A( K5 ^# H, J: ~; \6 Zelse{
# j w& @7 ^' U, k: ]- N1 aecho "未发现图片标签:(＜br＞";}
! ^* t- {" S T% ffile://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，
7 v. c4 [) {" X$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);% {# G0 f" |7 |$ D. L: z
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";- i+ ?3 t/ k6 D- b- O
for($i=1;$i＜sizeof($splitres);$i++){& u' C" I4 ~0 L- H% l3 R2 _
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
0 ]* \/ n) o2 Q" w5 A# Iunset($imgname); // 再次使用前删除imgname变量；# y9 `2 C4 W7 Y7 Y( r- [7 m
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量# ^& L% y3 b+ ?
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
) ~" k" r* O" J% S, }}
" ?. h: g6 |8 H' b}
- C. t6 [6 c/ u9 m+ a( W: h; X% R?＞# Q& S. _+ @0 k8 b0 j0 K
- @1 n- r' K5 P7 v$ ]% C/ y) ]* f& ^8 n3 l' 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
1 H4 N9 X( i( J D2 I( q0 ?+ _, {3 z% ~" c* I
其中函式sizeof($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 M- H c' p3 p) G: @3 ]6 \+ ~0 h+ I, H; Q
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。
# n8 u2 b6 u& O9 O! _, ~- Q5 ^2 n: B. Q* \% W9 g5 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
| 