|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14247
- 金币
- 2414
- 威望
- 1647
- 贡献
- 1362
|
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# @( H6 }! ]
1 P$ n' L2 ?+ K* s4 E6 t 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：
. _, g: w8 [" X9 I
: x- f# u" |" r$ g4 d1 n7 }( k2 ]$ g0 {
＜form action=" abstractSRCfrompage.php3" method="post"＞0 g C( G: d" S4 q$ l
输入网址＜input type=text name=filename＞＜br＞" r9 ^8 }9 v$ M" @- |' s
＜input type=submit name=submit value="提交"＞
8 t- G; ~& }" H6 `6 W" c＜/form＞ % |& h( A/ x$ \3 ?% p( O% ^: U
( y# T+ f4 Y$ E. e e1 R2 G: @
4 i. M8 Q- k1 O0 U9 q' v( n% P. e 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：3 U3 t( r7 t, D2 q( r1 q- I$ k
; p. i5 x; A. I: y; b
. m* b& I1 @8 y& g/ `5 l) @: q＜?php9 n( D, Z- E {8 @
if ($filename!=""){
6 C6 X8 X+ c) M4 L1 G; [$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
* w, c, u8 X! @3 }while ($buffer = fgets($fp, 1024)) {% |& z; B3 F9 h
$source .=$buffer; }
* N" g/ x* ^" f5 m; Ffclose($fp);8 b% y/ Q3 Y' I4 t5 y
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记% @- @9 [# [, }; V
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {2 X$ `8 e1 q8 j
echo "找到图片标签:)＜br＞";}
+ r9 ]8 W+ {2 b Q4 t) G& Selse{
$ ^$ E2 Q: Y }; B* Secho "未发现图片标签:(＜br＞";}
4 n( z T: h+ x/ P4 Qfile://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，
4 ~& R/ K, t+ w3 y, M# L- ~. C4 I$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
8 T6 _. E& Y( Kecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
" _/ S* v' U' ~* afor($i=1;$i＜sizeof($splitres);$i++){/ I2 R8 ?3 @; w h$ ]
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;
+ X3 O) h+ t+ V) ?unset($imgname); // 再次使用前删除imgname变量；1 n n2 U5 J) g' \# X6 ]$ F$ F
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量2 C3 |8 j! P/ C8 q. d
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息8 z8 Z8 A( U! v3 X
}
, g \0 I% x( h) m* B. X# {}! A1 W0 n n5 g" T+ ^
?＞+ [0 O8 T3 j4 p+ `! j
8 O( T6 S1 Z5 R: ~2 A! D! ?
% q) P: h* Q- x 该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。
/ W1 Q# G4 r* i4 N M" U1 \4 m. p' y8 j6 c$ o. T" I1 a7 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。4 }; ^5 p9 e2 l0 r/ u
/ g: u5 S0 f, ]* a' L' `" d1 S 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。
u+ C0 w1 B1 g/ ^ R) l- n8 _, K' {! ]* B9 E# q! Y* U8 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
| 