|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14171
- 金币
- 2376
- 威望
- 1647
- 贡献
- 1324
|
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 J0 S$ d: N2 M$ E
! H c$ T" u* x4 s% g! m: ^ 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：
- A4 h" H: C: L: h) P/ m! d7 k, J
3 v/ ?2 _) n7 u f& s- F( Q& ^/ u& B1 J+ O5 i1 I7 \
＜form action=" abstractSRCfrompage.php3" method="post"＞
9 P4 J* e; n0 u# V& u. k 输入网址＜input type=text name=filename＞＜br＞
& X% a( R A& m( G4 \8 O ＜input type=submit name=submit value="提交"＞% K) |0 i6 w+ R" D: T' Q
＜/form＞
0 U% |5 w6 h6 C9 Z1 e/ B" {; m4 K; k0 x! C
' @% f. V: j3 c9 N$ h4 h, 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：
* J$ f7 s" d( G$ x
! u( y3 g4 P+ V1 r* G( }7 `, S' w' k& d9 ]4 e& Q
＜?php2 F( X f* h' U( U
if ($filename!=""){6 ~& l' t2 M; R$ q% P
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
! J3 C$ S4 g9 R1 k1 s. e! Xwhile ($buffer = fgets($fp, 1024)) {
' {" [! R& y4 s+ k$source .=$buffer; }
$ }6 I" L: a" ]$ `fclose($fp);! {6 C+ Q$ C* ?; W2 F$ M
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
5 j$ P1 f3 P8 ]# U' q eif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
- u8 {* u' f$ wecho "找到图片标签:)＜br＞";}
$ K; T, H; n: c( U$ Welse{
& X8 H+ m/ j; P; t" r3 T, t% j6 secho "未发现图片标签:(＜br＞";}
k) }- Z; t8 E, y! y9 {- t I* Efile://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 P- V- s8 ^5 R" s0 j8 e$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
z2 O' @' b; O- \* N: y* M- recho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
/ H7 }- g$ ]6 i- vfor($i=1;$i＜sizeof($splitres);$i++){( { ]& l* @" h; U: V
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;. S8 \) K w4 b- g
unset($imgname); // 再次使用前删除imgname变量；( Q$ \/ a$ _/ c; Y$ P8 ?3 ~* Z
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
( z2 k% L/ Q0 r! z' ]* yecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息3 X0 p9 h& I7 O3 _! t
}% S, {/ V# @6 t+ E" a. T
}: S7 {6 V) e# L# y! Z; E; C# A
?＞
, W3 k! n0 p2 t+ J8 u+ x6 I P1 A& S1 @1 P! ^- M7 M8 b
8 O* L. E/ L% h! D. l" O# o3 g! q
该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。8 J1 c+ z& H! r) ~$ }
+ [- w$ U: L3 s) W
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 Q" H7 R R/ f
5 H% \; j% @; \0 _" b 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。
' a) M* a2 _% s8 y6 r
- v( l0 n) I, ]3 I# M( V8 @9 y 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
| 