|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14347
- 金币
- 2459
- 威望
- 1647
- 贡献
- 1407
|
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 J. t4 J( z! E2 t
% ?7 J' ^' |: Y' _
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：
+ H( F2 N9 n" h' e; e. n6 E
9 w6 F/ P+ I4 n J/ k' a( W7 W
+ ?( E9 c; _. W/ m* X＜form action=" abstractSRCfrompage.php3" method="post"＞
- R' c) `* b1 r) h( |/ N% K/ A2 V 输入网址＜input type=text name=filename＞＜br＞
3 G! d& s( n. _ ＜input type=submit name=submit value="提交"＞
# T2 {& s* O0 g2 k" X/ Z6 |/ A＜/form＞
3 p# Y1 c3 {/ c7 b8 r- f- K
: s: _$ _6 o# [" @
3 ?; V( n$ U9 L5 j A 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：0 u" A, H( x: T2 z" ~
; Q- g, a; b" f9 e# D
6 `9 X: E2 v1 u$ ~0 F8 q4 G' T) y' B＜?php- q: O, d6 F4 Q a% V8 z4 O
if ($filename!=""){
g- j, J) a# W6 ^* G& l; Z$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
- s' J; |% u* b! i; Bwhile ($buffer = fgets($fp, 1024)) {+ r% ~* f4 l$ W% ~% h6 m! ^
$source .=$buffer; }9 G: O" B2 Y% L; g( k7 M$ s
fclose($fp);
9 \" g" R* a9 _/ M) C3 s! O- Mfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
! h4 R; ]: ~0 Rif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {. n! i3 y% H F6 p3 M0 {
echo "找到图片标签:)＜br＞";}
0 D- w; ^# b' X* N. H" t' n6 relse{
/ k. ~9 @) U( y/ t$ Vecho "未发现图片标签:(＜br＞";}; a) W5 x3 R, I
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，& q/ M- D1 J* o7 _4 E2 U# S
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);7 j, ]0 }/ V- ~, U" ^7 K
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";5 s0 C# G5 y1 K' [* ?! W
for($i=1;$i＜sizeof($splitres);$i++){. v5 G+ ?7 q$ }6 `0 l
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;
`& T3 N9 K* t* G8 S N9 |+ c5 funset($imgname); // 再次使用前删除imgname变量；$ n ?* k+ ~; }5 N q0 T1 A( p
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
# h$ M. q; f3 O* s' K% [3 P5 h4 R4 O) ]echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
5 s1 A& W" b* d: `& t}% q! K4 i1 L0 b+ v
}: r# T% y+ H1 c2 i0 e3 b1 v) i! y
?＞
# m6 C# s: y: E: e1 }0 d {' `" G0 b( }
6 o; U0 T$ N2 V: E
3 S$ ], R3 Y) ]* m+ E& c 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
: D1 B) a5 b- J) C4 y/ a3 c
% D8 ^' V- P/ H! _/ n) H8 o. K 其中函式sizeof($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。# f4 ~: _$ q6 v
/ D' C2 d; ]4 m2 [3 N 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。: e9 `0 ^2 X2 ]" O$ @1 a# Q% C
- G; F1 g+ Z& D& S' a7 F
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
| 