|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14197
- 金币
- 2389
- 威望
- 1647
- 贡献
- 1337
|
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。
8 F' b ^" a6 U
; f4 e. G) A( @7 Z' B) l 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： 9 ?. h0 I; ^) ]& Z9 c8 o; h# ], P
# b) p4 u6 U& Y# `
& t, Z9 n, _6 y: r7 h0 z& S
＜form action=" abstractSRCfrompage.php3" method="post"＞
; l& U: ?, z' G' i+ R F8 k1 A 输入网址＜input type=text name=filename＞＜br＞
2 Y9 S1 k. ` s6 U ＜input type=submit name=submit value="提交"＞( i; T) e, I$ X4 B
＜/form＞
5 k& o( L3 O1 N' j q6 B0 g- f1 s3 e, y" h9 `3 B9 Z
0 s6 _0 d" `: S
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：
! ^/ K- n1 W, w, i( [6 k2 B) ^
6 U& {9 @; n* ~* e. O
' d8 d% G* m+ s; `- \7 O. c5 k, x$ t＜?php
& D5 z: P+ H/ g0 c6 qif ($filename!=""){3 B' ^1 E" D( ]( Y! S$ `5 s
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；' p' U2 @" c/ T5 u
while ($buffer = fgets($fp, 1024)) {# f6 \" P5 c1 a. k8 o( f! B
$source .=$buffer; }4 x6 K# |9 D8 E+ h7 F6 g1 \
fclose($fp);3 y p" Z5 n- m- v- @
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
: S) r" A. e0 V2 a( g* cif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
. B- A+ {0 X: u8 m; ?/ Cecho "找到图片标签:)＜br＞";}) o6 Q1 z3 r. v, \# m }
else{" v# E# Q( i0 V# _: C0 P
echo "未发现图片标签:(＜br＞";}& M/ p0 u/ _' [! H3 j* w: ^
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
3 O! h) L" W) y" t9 J+ Z* o: E1 \$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);, Z+ o$ p1 t) J. {
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";; _ e# ^, {2 ~- X5 x1 y% N
for($i=1;$i＜sizeof($splitres);$i++){
8 S& s# z$ K" h# z- h% afile://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/ e8 e& c6 h% K6 @! xunset($imgname); // 再次使用前删除imgname变量；/ C2 @( L0 C, O* Z' K, v
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
! K: |5 Q! O% {9 Y8 H' wecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息6 i0 V# E0 q% r. k6 n/ R
}
% D5 {% L4 y3 P9 E}
: O4 {0 m0 {! Q* v! u?＞
0 o5 K2 D" e9 k) q( |7 R# W( s( Z1 }6 t
! V) n- b9 v/ y+ ^7 G 该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
( u% ]" t/ {& P# d& }& Q" [8 l: [
; r6 E q t: d7 L% j 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。
1 t N/ R3 |; T9 W- J
' v+ c# W& ~5 `* p7 P1 c; T. W0 l 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。/ c# q. u% I# t: ~
6 v1 ^0 {- ]: R6 D# b. R 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
| 