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。  & i- o- {5 X% G+ H$ J

% W. D# C0 H2 b! @" C6 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：
$ o3 G0 h% F8 t- g. u/ ?6 m
9 \) {1 J+ o) a% W1 i# I9 J0 i; I2 B7 o. y* @
＜form action=" abstractSRCfrompage.php3" method="post"＞
( i. F6 h% V& [1 o  b　　输入网址＜input type=text name=filename＞＜br＞
7 I4 m7 h2 l  `0 `0 m0 O1 ~& v# A　　＜input type=submit name=submit value="提交"＞7 h5 H+ q- u& P4 x  r: c2 [
＜/form＞ " z( ^6 m/ s* P+ }

6 F' _' @9 T- Q) G1 i1 W9 [9 |2 V0 ]* y8 B
　　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：' X) M3 ?/ y# {
- C! L+ ]: g9 `8 Z
- a# r7 \4 q, d6 a/ x0 b7 A3 K0 I! I" R
＜?php
& x0 C/ W1 j& E- dif ($filename!=""){
4 K4 B$ D3 G2 W; o6 z! k, c3 x$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
+ y: S7 Y  X" Uwhile ($buffer = fgets($fp, 1024)) {: i# I) o) H  j! O6 u, z
$source .=$buffer; }
0 n4 u) l* }; u) cfclose($fp);# s. }. u# G, }2 [: i5 J
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记% h/ D3 D4 {1 Z1 Z; b1 D1 y) n6 K
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {1 m& X$ a" i/ j. O* ^" s( `
echo "找到图片标签:)＜br＞";}6 Q/ d% }! [3 `. H" m' d
else{1 v/ j  X+ i0 |. O2 V
echo "未发现图片标签:(＜br＞";}
' S) |- W2 c1 X  w3 H! kfile://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，% H# a2 a9 b4 `$ l
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
1 v" K% c0 P: Yecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
  }: d% a% ]" |- _2 S4 Ofor($i=1;$i＜sizeof($splitres);$i++){* i. @, N. M# R# [
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;' I- i$ A! A# n" `
unset($imgname); // 再次使用前删除imgname变量；" o6 Q: Y! k( h' p
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量1 {6 s/ _9 a5 Q8 [% b% ^9 b
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息) _' g% n3 B3 l
}
3 d; Z. @% |- B) W1 `}
% D, y8 J3 O0 f  p1 W  C( Q' o?＞
( ]0 q/ ^  Q$ p3 i! c8 B- F8 r
, s- i# _9 M7 r2 L! H, c. U
1 r  e1 V% t6 z3 w" x* T. d　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
0 X2 ^- U, T8 a- c, G" d: @3 k  \
　　其中函式sizeof($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。
( d5 @5 J0 f: t; L- \5 V7 X: V' ?' B, Y7 p0 J2 G
　　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。
% ^9 a7 k! Q7 ]0 i# i5 a0 e- r# o( C4 q6 E: B$ {; B. G9 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？