|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14221
- 金币
- 2401
- 威望
- 1647
- 贡献
- 1349
|
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 V' ?) g! g, P2 ^) Y# C/ ^6 `9 X
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： 7 v3 ^6 M2 O( ~7 U% t
8 S$ q, k! t* A' Q0 g0 c
, ]( @, [$ B0 ` B( q+ N H" G
＜form action=" abstractSRCfrompage.php3" method="post"＞
% `1 M' o1 k5 w! E1 ~& |) C5 _7 x 输入网址＜input type=text name=filename＞＜br＞
+ j& t4 Q/ h/ E2 y/ _ ＜input type=submit name=submit value="提交"＞7 T W2 D' w. _3 Q5 m
＜/form＞
8 M# o& g5 x2 C$ y
$ g+ t4 p3 l3 B5 p
; H" l# I9 A3 s5 C" ?" x0 G9 i; q 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：$ F0 E+ ~$ `+ a4 X
5 C2 v! e' `4 q- n. X4 c' C
7 @# ^( o: W/ P3 z
＜?php
# F/ ^- s' R: c; Gif ($filename!=""){
( b. T' ^- g! ?8 r$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
5 z! e, f# H" `1 p4 g V. i/ y. e0 Ywhile ($buffer = fgets($fp, 1024)) {7 i, X7 l4 } x9 {, h; h
$source .=$buffer; }% f9 l" ~ m* r* H, k* P
fclose($fp);' L) P; W& g8 X4 `( E6 T& K
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
4 F6 r4 V3 L0 x$ |8 Aif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {! K, u6 z+ U1 e; H5 W1 R
echo "找到图片标签:)＜br＞";}
5 M+ E% O( c3 t2 a7 r; U6 ^else{- r4 a7 v! o8 z V( t- _: s9 X2 H. a
echo "未发现图片标签:(＜br＞";}+ z x' d3 G) A! t& K+ d3 _
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
, R; [& ^0 |6 j2 ]8 I' _$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
% o. @ D' J5 Qecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";. g( o- c% s3 u: O) g) L$ ?
for($i=1;$i＜sizeof($splitres);$i++){& `& s; C, Y. G* @7 J2 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;1 R- E- i" \5 a" N. ?
unset($imgname); // 再次使用前删除imgname变量；# j/ u/ U3 U$ Y# B5 C) U! \; `
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量6 s+ f' t3 Y, w* _9 [7 b+ i9 y; p
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
l% Z2 Y& R5 n3 g2 P% V; Z}
8 B4 v& \4 c- r7 j$ @' m( W0 I2 i& n% [}4 |" C4 y) g( o$ W/ D9 K. W
?＞& O; |; n* y% I5 O$ V/ \
* k1 Y1 Y4 H8 u1 o3 y* Y
- W& a, R* V& d' j" | 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。$ P# D* ?2 S: d6 H0 X p2 b
2 o; p& U& N' Q3 A0 i$ ~
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
: _/ O7 p1 X7 w$ M1 Z/ Y! P4 ?3 |1 Y: R7 @
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。# h* ~3 h. ^5 J) V5 z; w/ ^% e
6 ~; w* \* ^) i: Y5 y" t4 Z3 b% a 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
| 