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。  
3 v6 N& L) M/ [, A5 J, q0 R! `
$ M* p: m3 C  h; d" C' P# y# m　　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：
, H4 c8 L6 s+ X& m. [+ ~' E5 C% ~7 s) o4 {. t) R
) [- ^4 w- T& P/ l5 Y- W
＜form action=" abstractSRCfrompage.php3" method="post"＞
- O# n: C( H1 V7 E+ \　　输入网址＜input type=text name=filename＞＜br＞2 `4 ~4 ~6 t* w6 @! o% T
　　＜input type=submit name=submit value="提交"＞  h4 G$ b4 G5 I# W' O/ W
＜/form＞
/ @4 J! l3 |3 h( ^+ v, Z/ a- w% |" P' L5 H2 H
! \7 d3 L% b) T8 q8 M8 X  X: N# @
　　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：
7 _4 T5 u! H! _* e, l+ |" u  m: U2 u1 g; z# w( O

/ d+ n% K, I7 e. W) F＜?php
& z! j. D% [1 H! Kif ($filename!=""){
' y# ]# b: k# d& F8 ^6 ]$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；6 x2 i/ m  L+ Y+ ^+ I
while ($buffer = fgets($fp, 1024)) {
0 S6 _% I* E( B$source .=$buffer; }% T% o# X9 `5 }) F' W5 i
fclose($fp);
, H: U% |! t8 r6 W' B, ^file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记  x7 w; P8 J! F* o" k: `
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
' t% o/ q# ]$ r) P% Recho "找到图片标签:)＜br＞";}
3 e' _# {3 `1 D% N% y+ s: e, lelse{
7 X* A/ _) _( t. Aecho "未发现图片标签:(＜br＞";}! o7 ~4 G+ k3 E8 s  c) e
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，
, A4 Z* A$ i6 a1 ?5 l$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);8 r) c- n) Q9 O! f' r+ T
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
( T% ?: Z/ W- G* c7 U) O9 Tfor($i=1;$i＜sizeof($splitres);$i++){- i. {+ S" q8 ~$ C* v7 K, E
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;- e- p. {! d1 Y* ]
unset($imgname); // 再次使用前删除imgname变量；  f) F/ R( g+ \. ?
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量; y2 `9 A- x- o  p& `
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息& p& @' \* J7 h) f* A* b
}# ?# J* {. r) T; T% a5 u6 Q! |3 C: J
}8 R1 T% {$ K8 \8 J1 j7 v7 l
?＞
" \, ~/ j0 A7 J+ T% g
! Y1 I' y9 k& G9 {! m
! m# y6 B% h8 F$ B　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
) H- ~# ~9 L2 K6 S
) `6 z2 e2 P5 Z/ p9 P8 F" Q　　其中函式sizeof($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 ?" @4 z% J% }8 w- ^8 m! p9 c* ]  k( B( X- v1 I
　　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。* x# I, A$ N  C/ g
+ A% ^) i4 V! m8 ?$ B
　　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？