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。  . C6 C2 z, @$ B4 d; v* ?
& \; K/ C4 n$ }" K4 ]) I9 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： * D- m% B7 ~) a. s# {
( @( f' Z2 ^/ }6 j: E) k- d( J8 m# G2 D

& g! [8 {( N5 c+ `＜form action=" abstractSRCfrompage.php3" method="post"＞
- H$ n/ G: J; e9 h　　输入网址＜input type=text name=filename＞＜br＞0 N  c5 z& i( u2 n) B3 _) S
　　＜input type=submit name=submit value="提交"＞
3 ~# p* R+ o' K# M8 B7 d9 Z0 F＜/form＞ ) F% \! Q) N7 _! ~  f& z

- X2 c/ s: \- O  b" W$ J
7 b8 M( Y1 o3 e/ t- O　　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：
5 P( Y$ e# M6 c
7 H/ r) S% U+ g' z/ T7 `. U, X- E# ~+ p5 j. T
＜?php0 s* Q3 n0 J  w4 U2 `3 w2 K
if ($filename!=""){
! v) S6 |5 s5 D4 z9 `1 X$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
% {' @' W$ h% C! d6 ]5 t2 zwhile ($buffer = fgets($fp, 1024)) {! W+ y+ l. j6 n6 l8 x+ m2 C5 ]8 a
$source .=$buffer; }
( n3 g6 K3 i$ n! e/ V8 Xfclose($fp);
( }$ s6 c  F! L- L3 O, |0 f* X4 Tfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
) M% q( M6 c: yif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {+ ~) a! f7 B& z$ ]% W$ \7 ?$ Y7 T
echo "找到图片标签:)＜br＞";}
$ R+ L: T' a" V% v; q2 Celse{8 |/ V2 b9 K% V1 G; J- U' D- |
echo "未发现图片标签:(＜br＞";}
0 j1 W9 z- S5 f: i& d6 S1 nfile://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，
6 o6 h$ f/ \8 b8 F  ?$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
9 f) V, J, m  W5 m$ W6 f" I& @echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";3 z5 k/ }  P6 V' y0 {9 e. n/ N  y: `
for($i=1;$i＜sizeof($splitres);$i++){
  A3 u1 |& }7 B( l  Y) ?; Bfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
2 a2 Y$ P# v9 [3 k$ p- ]unset($imgname); // 再次使用前删除imgname变量；
$ _5 ?- f9 H5 @& @0 l. R: y- ]$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量! b" P3 E" B0 _' _
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
. f  N& k" v5 q5 D& Q}5 O: L5 N7 k. x* i
}8 V/ \% B1 u1 ~$ y1 K* Y
?＞
) ]! \% ?& b: _: _4 E. i1 E( k  ~6 B$ U, W9 I; Q3 f1 c
7 U5 l# h4 [9 D5 s3 u
　　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。0 ]1 D9 d" q% ]- s; `! r0 b2 t

9 t# ~+ p; O+ Z# A9 A+ ]　　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。6 H5 D# }5 l0 t) z' T1 ?
, r/ K8 T/ C) X
　　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。
  @; D) B" C; S9 g' b0 I% I! K3 e0 F9 z& B
　　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？