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 c' Q. x5 b  D2 w2 _/ D0 O
. Z+ h( r: l! E7 {2 O$ {! Z2 U　　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：
/ [/ k. D* h8 e6 b5 A
/ h9 g1 {1 N- {7 l
* G, y$ a' p+ A" J＜form action=" abstractSRCfrompage.php3" method="post"＞2 ^& l3 [2 @1 ^
　　输入网址＜input type=text name=filename＞＜br＞
% r$ B0 a# _& C* b& h2 Y　　＜input type=submit name=submit value="提交"＞  s/ y- ]! Y, g/ {; D& s, {# Z/ B
＜/form＞ * {& U' g/ ^- z; D0 z
* u1 H/ C" a8 s1 f/ \* z7 F

( |7 o3 Z+ v7 [2 d　　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：
! s4 ^; X8 V6 e( H0 g! A" M- O+ H1 x5 a" W- x

9 E9 g7 Z. k9 z＜?php. h/ ]+ C2 [0 Z2 d+ `) r
if ($filename!=""){8 d! {" L) F9 }3 Y
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
( e" c: K, K, M7 }1 S+ D. Gwhile ($buffer = fgets($fp, 1024)) {; j2 c6 ]  n$ }4 K# A0 f- e
$source .=$buffer; }; T' {0 _/ p3 o- o6 T& L8 i, l! e
fclose($fp);
  ^' w+ V' N5 K& Nfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
: Q8 |* X+ v) h3 tif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {  g) R" d: m* G9 H& @# l. N
echo "找到图片标签:)＜br＞";}: i4 u+ V! L5 C7 V( Z
else{
3 o! r4 O+ _  B, T0 V: ^  ^echo "未发现图片标签:(＜br＞";}
- H" V$ z  A( e6 F5 Mfile://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，$ V. m5 H1 l. R3 `1 [0 R/ p3 b
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);# U) ^) {3 \( M$ u8 g( X
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
- F1 ]; G" G  J* Rfor($i=1;$i＜sizeof($splitres);$i++){
1 O; A" G% g, Q* }+ z  H) J; _file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;8 `9 L8 ]: B# O) {( q
unset($imgname); // 再次使用前删除imgname变量；
5 u* @% g+ L. O  a+ p$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
7 S5 C( j, f, M# {2 M7 J$ wecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息& [5 b3 K' j2 I
}) A" [" Z! s  Y: G: [/ k0 ]
}
" M2 U8 d/ {5 \- g! _4 T?＞# V- |; h1 r) s; r6 [
3 i4 ~! {, a9 N) C4 p8 t2 y, `  T

2 b, O9 K5 Z# o- x, J9 t5 B　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
! L5 u# F9 n/ b! F. a. L7 q# X1 \" M2 W5 ~, r6 T! \; K. c
　　其中函式sizeof($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。* G$ N0 {- G$ j& L

6 d. N! c8 a/ S* 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。3 i: F. ^' F8 b
* _3 \/ w: }6 y! h/ a9 Y) u
　　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？