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。  
9 Q6 i3 M( {% }
9 y$ M: S4 s+ {$ k. P　　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：
$ e8 T( h. k' f: O
3 }" `, h, t" x. E2 a4 P( J. w
+ X9 h; J5 [6 Z/ ~＜form action=" abstractSRCfrompage.php3" method="post"＞6 @4 g0 f- _; {" G, f9 U
　　输入网址＜input type=text name=filename＞＜br＞( O* i5 z* U: C* E
　　＜input type=submit name=submit value="提交"＞; w  a3 I0 p4 W5 Y" v# {  ]" X  A  v: b
＜/form＞ % Z! q# k6 g; U/ U/ ]6 K
& U6 W- P/ _5 M% v; {
! d% _( g7 @; }: S
　　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：
/ Y3 k* `) i6 A( a6 J% \4 L) c( h$ Z$ k$ w2 _, F! S( J
- ~4 O: [; {; y# [+ n# Y5 ~
＜?php- N) f/ \* A$ ^& D, C( o
if ($filename!=""){: Z6 \/ G# \5 O  |+ l# j& k& r
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；3 K% A# G9 s+ @$ b2 p
while ($buffer = fgets($fp, 1024)) {" |1 R% e6 u. {0 m, m* J
$source .=$buffer; }" I* i9 ^3 k: d
fclose($fp);
# z# J/ k0 r- W9 ?) [file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
& e! o/ o! U8 ?" ~' T  z7 u+ Yif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {7 p' I9 _3 P% k5 B: T. W
echo "找到图片标签:)＜br＞";}
; U1 G6 w& L$ R. d" C$ x2 r& g/ Uelse{1 z8 }9 N6 j4 l- S6 b) |& |
echo "未发现图片标签:(＜br＞";}1 I. F0 K4 g) N3 N5 O# C, [! h
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，
7 c0 J, _1 {! V+ h$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
) A5 r" h0 m( y; A; {! ?( Hecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";" W4 \, \" o+ {" x( w5 ?# c$ b
for($i=1;$i＜sizeof($splitres);$i++){
0 p* ^4 Z4 I( f2 e9 `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;1 g' b3 J, H5 H4 r1 s+ I* `; _
unset($imgname); // 再次使用前删除imgname变量；
. E5 X3 O( E9 f  ]1 ]$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
$ S; C8 j# m* g0 _" E( |! Hecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
) T* c8 j2 W/ r}* |1 I9 D! {; ?, C3 N4 _
}
/ n% ^' C* A& v6 F& r?＞
0 q# l3 I6 ~7 y: n/ e- N& D
3 K% X3 |/ O6 u4 g- G) |0 D: m' j% s6 R% S! w5 V% L& f
　　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。! U) i  Z' {6 N" Q6 [& U

+ D2 b  D: j& Z, f1 }9 ?$ M　　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。
" G9 D# m' \+ q/ ^6 p/ Q, N* ^" x9 L# w/ y) E. l
　　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。
/ I0 l6 U' P! A2 P6 t, W) ?; I& p# p9 i) }
　　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？