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。  # P1 p& P) g: a8 t- G0 O% L

, M& `) A1 r5 Q) H　　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：
$ p! r  F1 ^) t3 a
/ d/ X6 v0 ~2 Z5 {2 ]5 {8 M
! B- f/ s" p+ @/ Z2 k＜form action=" abstractSRCfrompage.php3" method="post"＞
6 x1 f4 W. i4 H) O, T* G　　输入网址＜input type=text name=filename＞＜br＞
/ R# u, I% Q8 D% g' ~　　＜input type=submit name=submit value="提交"＞
5 `: {6 p! X: ], P, |, O8 A( P) \＜/form＞ ' [! S2 J) {5 F0 c2 D
* |& Y! n2 v5 t/ t. ]
, _& {6 Z/ c: t6 B0 p
　　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：& s; ]) H# B5 A8 M7 u" S

$ x2 b# ^# H% b6 ]; J/ u$ L( k9 [  Q# H$ {8 w6 {. r! O% e* k
＜?php+ |0 v3 L. p7 K/ ~
if ($filename!=""){7 a7 ?, X: y0 X! ]  j
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
9 Q  ?& c: I* P7 \! h1 `* Zwhile ($buffer = fgets($fp, 1024)) {- ]% Q% Q7 y6 n  o% A2 D0 R" B
$source .=$buffer; }
" r5 j5 F- X2 R5 Qfclose($fp);
& d1 i7 ^5 ^5 k& b3 Y! A& nfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记5 ~1 i( `6 W$ u
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {# F1 Q9 t, b' G# Y, w
echo "找到图片标签:)＜br＞";}
0 v' O* M1 U8 p( relse{, l7 d& [9 d" A6 @% ?
echo "未发现图片标签:(＜br＞";}) Q" B& _# h- w; D: O
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
8 {/ ]; ~9 C" o! B1 x1 K$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);: H3 g9 a8 A  ]; u+ `& Z
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";! h+ L; s" ^+ N
for($i=1;$i＜sizeof($splitres);$i++){/ B# m" T: B( f3 q; }5 F- w
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;5 L( u2 @2 x, f7 i( A
unset($imgname); // 再次使用前删除imgname变量；
. n2 L4 E  q* H* a4 l$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
4 s+ c, D9 W7 v  ~  zecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息! ~. }% M. g  Q1 x' H% _3 a/ w$ [
}& }3 ^- {1 D0 r1 @3 n
}/ Z6 a8 V9 w. t% g
?＞. t5 w$ X% J4 q- A0 `
; F7 g& k7 O9 v" m: U% P

3 g7 e# K, W% P; Z; P4 |　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
) X' W0 ^, {- F* x' t; f5 g' B
* _$ m7 o3 M. E- m& k" x- i- ?　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。+ F0 q1 p1 p* a; k2 T! V
. N5 o+ _* b( n% V& Q
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。! o9 [# o- g4 Q
' ]1 d# m6 s! Y( N$ N
　　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？