|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14321
- 金币
- 2446
- 威望
- 1647
- 贡献
- 1394
|
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。
B) ]5 @: a: t1 Y; d) B9 Z. G, U8 X1 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： ! m5 g9 }; T4 K' K/ U4 l; {8 s4 ^
1 A# F$ H+ j/ S* V# P& t6 _3 s& l1 O+ M8 z6 `% t; ~
＜form action=" abstractSRCfrompage.php3" method="post"＞
4 {0 b. H+ G9 d- n! ^ 输入网址＜input type=text name=filename＞＜br＞3 b" V" s/ l# i" t6 [$ F# T6 s
＜input type=submit name=submit value="提交"＞, f4 I: g9 E/ @( O1 j
＜/form＞
% d5 @- F; u" p/ Z8 ^# b6 g0 p u& b3 m- v$ X& V0 _8 b% S
]! m% J3 ^. Q& i! A
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：) ]' I% n; e! m3 S0 h! R& ^
# H$ |0 } X( ?7 |9 p$ g3 N0 s& X$ h5 r4 V
＜?php8 X( A7 ]3 \7 i( ]4 S
if ($filename!=""){
6 k/ V6 L4 v, o# ~ k6 R7 O$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
3 _0 O( X5 v. U, t3 G {0 i. Jwhile ($buffer = fgets($fp, 1024)) {
/ W+ _" [* F T+ p# u7 |9 y2 [7 T$source .=$buffer; }
. L& W: P. e% J- ?9 Pfclose($fp);
0 J i8 E C; b. }file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
; j0 T$ P/ E6 }; E, Y, A, yif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
1 A& y! l+ q" g7 x, R0 Recho "找到图片标签:)＜br＞";}
- G3 u% M+ n# y& y/ m5 A* f& W) t% jelse{, a4 `( y Z3 m) E3 n# f
echo "未发现图片标签:(＜br＞";}
7 p! b$ }: G' k2 W; E/ V* 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，
( J. M2 _( \: u1 _ f. ]# P- Q9 C$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);' u; h1 r) s* u
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";9 i. I4 V2 D+ d u; t4 ^6 C
for($i=1;$i＜sizeof($splitres);$i++){
- j7 f8 L! Y$ ^; wfile://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;
" T- r" f( h+ [# P" _unset($imgname); // 再次使用前删除imgname变量；
8 S2 Q3 H. f2 M/ ?% A8 n$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量4 _ Z+ e6 I( \
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息 q9 X% j4 g: d
}
( u) g* n* j7 s& `$ n% w) O} d* {3 y- G: F' q- s
?＞
: ?/ U/ Q' n8 C! U1 ^* s( L+ X# J: C2 `6 i. O8 k( \) U& k8 R: h
8 S8 M2 o* [: l) O5 j 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
; J! _3 }! u& ?+ u9 T! n, X+ T& {% r" p1 C3 Y
其中函式sizeof($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。
& ~. u, y$ C% \0 T' c& J7 h9 h' X4 Z5 N3 s; N
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。
. C% J! L0 r( Q' ~( B2 }, L6 L, V: T# o7 D5 N8 B: C8 @
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
| 