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。  
2 p- ]% C& x) Y6 Z8 x! t& J! n0 N$ i1 \: E
　　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：
# l& u% t' r% }5 |5 d* D
* r' f; i5 S. s% W) l0 {* }
8 g  z9 g, ~4 R% e3 i1 m＜form action=" abstractSRCfrompage.php3" method="post"＞
/ V' g6 k! \8 F: }1 p( J( Z　　输入网址＜input type=text name=filename＞＜br＞% J8 A0 J. }- X2 i9 u
　　＜input type=submit name=submit value="提交"＞
; z; d3 b- v) X# ]5 V＜/form＞ $ f5 r$ z7 ^9 k0 V- m% R
' Q( ?) ?7 q8 ^. ?! {; A& L/ K0 v

- R3 l7 f3 r4 Y: E　　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：( S# h; s5 N. p! l0 e
! ~) C) `9 W; L
- d7 k; }3 L4 G$ z! L
＜?php
3 B! k: U3 ?* X2 z# p/ ^if ($filename!=""){
( n+ v& m7 C6 w( P, T5 i$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
. B- b/ b. y) R: c7 Rwhile ($buffer = fgets($fp, 1024)) {
$ k+ Z) i: B& ?8 @8 I! }$source .=$buffer; }% h9 T7 |# p  q3 Q8 V
fclose($fp);
4 n/ t! }3 ?, e6 w/ ~file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
% p$ n# x3 y8 Nif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
7 }4 t) T- Z# necho "找到图片标签:)＜br＞";}
0 k& R1 O& N( i6 a6 M9 e7 c. uelse{
/ W! e) U% m9 o/ ?2 k; necho "未发现图片标签:(＜br＞";}
1 C# \+ o: Y& t1 Pfile://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，% K; e, S% A) K# J7 `
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);1 H+ I2 J% }: x( \; V" z4 h
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";7 c; K, K* p$ H
for($i=1;$i＜sizeof($splitres);$i++){
1 W& d$ s" l$ s+ l# a+ w8 b" jfile://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;& Q' m" F# h2 [; |( ]5 Z
unset($imgname); // 再次使用前删除imgname变量；
; z$ Y% u) ~+ P3 h$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
6 o+ ^+ Q4 {5 M$ {) x( K+ K: u8 ?echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
: n2 U& ~1 e0 M/ t* e}2 x) C) g4 O5 s$ _
}
. y' q; \" ?; H$ p1 {0 J?＞4 B) p  d3 p7 e

+ Z# @3 n  Q/ Q/ h" \2 }
5 K2 `+ l& d, a7 V2 F" Q6 m　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。+ m4 }( S) R9 \4 R' Q- y& U- e/ o7 U
- s( R5 j, {( m- M
　　其中函式sizeof($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。5 l! e/ b5 ]0 H( b$ A. C0 i$ F& r

9 }  f1 n- F& T; i2 p　　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。
, m8 Y- A2 s$ C& u2 Z# b1 ]9 w
. ^# O7 o2 ^" |6 j  J! c: g, e. H　　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？