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。  
) [7 l9 ]- `' c1 ^# W9 x$ t! `
6 x3 h( |; m- @: s6 V　　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：
4 Y; ~5 @$ f' @" H6 n* j) ]+ a! V' u5 I' D

9 E' N: D+ e. H1 C* L＜form action=" abstractSRCfrompage.php3" method="post"＞
$ Y3 o: W( _! X8 ]# R2 P　　输入网址＜input type=text name=filename＞＜br＞$ [: O2 O' i4 _. ~& i8 `
　　＜input type=submit name=submit value="提交"＞' \9 w9 u3 R% u
＜/form＞
( V3 Q$ w3 i- o
% U' ^7 i, S" z& U  \" ~9 }. ^1 [8 D
　　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：5 R! G$ P& n7 b- y" T$ Z; X: E8 z$ Z
- Z' u1 ?/ d8 x& E% o- s1 \

4 l* B; ~: E) L! p+ z& Y＜?php9 f+ w- _& K, @, I
if ($filename!=""){
# h/ R5 d& D0 a, t# `2 \. a$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；& V/ f' Z5 m/ g6 n1 ~) [
while ($buffer = fgets($fp, 1024)) {
+ A5 _3 }( S! a  ^- K" J# F0 b( Q' }$source .=$buffer; }
* _0 O+ \: r- u8 C% ~( x" tfclose($fp);
0 ]9 ^) i" y3 ~4 g1 yfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
* o0 r* I! f* p3 M% g" ]if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
) O0 U: h  q, Y8 p, _6 h3 Xecho "找到图片标签:)＜br＞";}
) }8 L5 P$ B9 ?% p, Oelse{3 R4 s' e. Y* |
echo "未发现图片标签:(＜br＞";}8 F) |  T$ o* F4 j, u% F: i  k
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，2 \$ T% j9 U; W: C( Y
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
2 H3 n* |3 x! @& _0 a* Fecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";" P' c( }8 |! n4 P" S6 c
for($i=1;$i＜sizeof($splitres);$i++){) M8 |: }, {7 e1 \. B. v
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;3 X  c: D. {, G6 y
unset($imgname); // 再次使用前删除imgname变量；6 g- `7 x1 R7 r  `+ z
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
5 n( o$ x' v8 g6 O/ S' Y4 Kecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息. J7 I" o( Y, P0 D# j
}0 ?. L  B, ~/ [/ X/ [% q
}7 B0 R( |* [/ h8 z; ]6 E3 w: U, v5 {! {; V
?＞/ p0 u1 u% G3 J, r6 Q8 x
  ]  Z% r: ^& M

* Q- E) z5 A2 N+ x　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
' O5 r9 f( T5 \1 v' z
2 B$ D+ h0 l/ F9 _' r" P　　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。
. f( i* {# |; ]9 d4 I8 A
8 k5 c! Y8 j, C8 t; a　　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。
' q8 ^  H" z( S" V! S; a, i/ t2 V* [0 [; k0 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？