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。  4 r' x6 P6 J; |7 z$ b; N- E
; h& j8 b' [% V4 {
　　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：
! x, q! T" y4 d. X" ]/ Q3 Q) E
5 ?0 k: f% ?* M; g4 ]2 _; A3 R/ b6 M  U2 x' m
＜form action=" abstractSRCfrompage.php3" method="post"＞/ H3 I0 W4 R3 H2 Y0 k1 X$ C5 M
　　输入网址＜input type=text name=filename＞＜br＞7 y6 M+ F3 |( \# p" V& g
　　＜input type=submit name=submit value="提交"＞8 V- b4 E% [7 h9 a! W, M
＜/form＞ " V( z8 L0 C! M: d! K

2 f! w/ y7 f  Y$ a/ h+ \; d; b# u) ^) K  H- u$ J& }  Z" T
　　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：
; L4 [" _) ?" _+ R' U/ o+ y% I$ Z  }& y3 f' `( X; K# @3 ^) J7 ?, F# k
2 r- T! Q" u6 m+ f$ ]( h
＜?php# ?" h& K7 g4 H  Z
if ($filename!=""){/ w  {3 P$ V& S3 c* R8 C) n* L0 O
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；. N# @6 d$ L# Q0 i) H
while ($buffer = fgets($fp, 1024)) {
- R0 e' E- I0 d7 s5 u/ W/ c, a$source .=$buffer; }  \; x) Z7 J1 k$ R5 Y4 A# }, n
fclose($fp);* P4 R1 K9 Y3 ~. D+ Y
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记* ~  o- f1 a( e. U" O6 a. b/ U
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {6 q+ d' c$ P& l4 M/ k; r
echo "找到图片标签:)＜br＞";}
9 P5 e; H  _! G; \else{
' l5 j6 {* u1 i! j- I5 ]* Xecho "未发现图片标签:(＜br＞";}
. `' f! d' p: V9 kfile://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，* v2 N" z( `3 h" `' N
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
) i3 z5 _3 h8 X9 U% E- _echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";, d1 F; a6 B! ?" A2 E
for($i=1;$i＜sizeof($splitres);$i++){2 F1 V$ _0 O" w1 j! C" E5 H
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;
7 p  k8 `# I0 [9 ounset($imgname); // 再次使用前删除imgname变量；
! r- m; {) x" G# T& S/ e$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量9 }' |: t2 n( k4 e4 o( r4 ^- F4 e
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
  z8 M: H3 [  F; a3 t- ^, Q}
7 N  i' i: Q# Q# |  R% _}. _% J& I+ U$ H
?＞
9 ~; {7 ~3 Y" L2 h
7 v& m& W: m: [
1 Z, s- E8 Q6 L: E) B　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。. ]2 M, a( s3 w9 c, {: U
/ `) w' k! c7 U( C
　　其中函式sizeof($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。. _0 L5 C9 n% l
* m! J4 b9 a6 H( S* R! X& \7 ~$ }
　　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。
, q  P* e" l" O; j" x% g7 ?* s9 x/ h8 O5 Q4 u+ z# e9 k3 `" u
　　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？