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。  " {& E! }- D- u, x) [

& {, s8 j% `# I5 k, `& F" s2 k　　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：
5 @5 r- C) P) s, y# X- R- C5 X2 k( V. |/ K' e2 X
  I5 U( @' z7 W
＜form action=" abstractSRCfrompage.php3" method="post"＞$ X" v3 Z( P- v% D
　　输入网址＜input type=text name=filename＞＜br＞& B$ H0 m, s5 m& g& Q# |
　　＜input type=submit name=submit value="提交"＞
* q' b' ]* x" @$ o* p- z% T2 r＜/form＞
- ^4 i+ @# _% g& A, A6 l
: y3 W! s; o, E6 K' U# U  v2 y# Z  |0 Q. \9 d' I
　　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：  U1 q! L2 Z5 _- |
- h. Z- P6 y  [( ?

: W/ M/ ~/ I2 z3 t; D＜?php
- x( S0 k: j- [if ($filename!=""){, z* _$ w5 U( \# C
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 X: V+ o# ?( n# H& l3 [2 A& W
while ($buffer = fgets($fp, 1024)) {
8 {% f/ W/ B$ y6 ]( k2 v$source .=$buffer; }+ ]" {3 s; \+ i/ Y3 x
fclose($fp);5 c  J. [/ T) z) a, `. V! Q
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
  p0 z" D1 D+ l" v7 U: Aif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {3 o8 {0 A5 v( J, G, }
echo "找到图片标签:)＜br＞";}  a7 Y1 I( m, t# p+ v) e' F  J8 G: d
else{5 a; w/ v) S4 a, |& y, z) D
echo "未发现图片标签:(＜br＞";}3 e* ]8 n' J0 {* d2 W& ~. Y
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，, N, l- a- c! e; _4 b& F, s
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);- D& `6 Y% s& G2 |( K* n, J
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";/ m+ z0 a4 h0 L% }, Z2 ^7 b
for($i=1;$i＜sizeof($splitres);$i++){
& i3 @& ?  X# K5 X; u0 Hfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;9 S' O& w' I) Z- n2 O
unset($imgname); // 再次使用前删除imgname变量；
$ |. s- u& h8 c  G; P* E$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
, `6 |6 J: u) Eecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息# n! I+ t6 n+ X' K
}
3 e. K$ T- n3 q6 h$ Y/ l4 y}
1 C$ P# Z. [. v1 I' K?＞3 _2 ?) A5 J- y) B8 N1 D

" t; @3 ^) q& u1 s5 J) k- H) W* r9 w1 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。5 U% L; Q; j" C0 x9 r

' A- I4 x- A# i  P　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。$ r+ S  [2 ]* I' x, B
) i9 l& q, @( L! x0 ]4 ]
　　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。9 V4 ~2 }! |% J8 _9 `5 y: a! g

$ z1 g  j2 M4 p- r1 v; t　　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？