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。  
& V, q9 p- [" ^  Q+ w  }  n$ F5 b  c9 J2 c: W$ v% P: v0 t8 d
　　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：
3 d; M) P$ K# |" _+ @! |# v5 r' Z% W6 Q) t2 S
/ Y3 p4 m) z6 b7 g) M* k1 A1 r
＜form action=" abstractSRCfrompage.php3" method="post"＞2 K; k1 m% M; D4 T' u5 x! v8 a
　　输入网址＜input type=text name=filename＞＜br＞9 i% _& }+ {. [1 ?
　　＜input type=submit name=submit value="提交"＞' `+ d9 C! ~0 U, V
＜/form＞ * V& S6 X2 l& [% g1 }

/ Y/ t/ O3 D* m% z9 s! S
' l3 H/ u8 M* m! e. 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：
* Y/ b5 A( b7 ~
: Y8 q. H. `; F5 a! b8 a3 r) u, B! K3 ~0 V- a
＜?php
5 W! A$ E" J( R% k# d2 s+ @% kif ($filename!=""){
+ j1 H6 v# L) I5 E1 n8 ^! H$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
0 w4 A( [! k; W: ]while ($buffer = fgets($fp, 1024)) {/ m' m! T2 A/ x* P, X6 V/ Q
$source .=$buffer; }
- F8 K* I- b. b4 I  R2 h- |" Nfclose($fp);
3 l+ }, K6 C: e2 D$ Jfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记8 k1 _/ p# S* ]. A
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
/ O8 S$ E5 s* h3 o' N6 s. l; {+ Yecho "找到图片标签:)＜br＞";}6 H$ B! ~5 R  ?3 v$ z1 {' n
else{7 ?) q7 J3 A% w- G
echo "未发现图片标签:(＜br＞";}- r: |$ q. h, S6 j, M# b' J2 f  \! A
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，3 Y" c- {' ^& t$ P
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);* X8 w5 \) x5 ~' b; I
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
3 _. P' y' S9 @; y  Q) i- hfor($i=1;$i＜sizeof($splitres);$i++){
7 @( N$ v0 h% O- }0 A- C! Hfile://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;+ h$ B( E' P) D! l, P( P
unset($imgname); // 再次使用前删除imgname变量；
. F4 C: `0 H* h2 y$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量% G+ W" E" [- N7 j6 a
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息8 e$ U% u" S7 `. i3 ^/ s; X& k) v6 k
}
+ o  o( P! D, ^0 Y1 R& F}& h9 y: C0 q' ^+ F0 z
?＞
! Q. Q+ w) [8 n- E1 D/ ^6 x! Z2 d$ a. @# H

+ j7 ]! l+ }: z# z+ P8 H! K% e# [　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
" j5 K5 P1 H1 C) S: M
0 b6 ^7 N+ ~  X& g0 t# v" `　　其中函式sizeof($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。& B" O4 z1 E- l

/ C& U, g" @; o$ s' ]2 K　　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。5 M8 g8 c: X' N1 t5 \

/ j  \, Y# w( J) c6 J. ^, _9 {　　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？