|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14443
- 金币
- 2507
- 威望
- 1647
- 贡献
- 1455
|
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。 . p' L+ w+ q" g9 C
6 Z9 o9 o" _. H8 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：
2 D1 X O% U) |6 n1 ?7 ^) l- B8 V
" Y1 A2 N; z+ ~% M; y7 Q8 R9 U4 ]& V" P6 J- n; m4 t
＜form action=" abstractSRCfrompage.php3" method="post"＞
" o/ ~1 E) h3 l1 ~ 输入网址＜input type=text name=filename＞＜br＞
5 D/ I8 _/ U, p' \( Z; L ＜input type=submit name=submit value="提交"＞$ g5 k+ D( e' `4 T8 B8 B% B0 E# B, x
＜/form＞ 6 K9 z3 i4 V( Z) j# d: D
, U6 y+ j# Y$ }7 ~' \" u
% A1 p% b0 c7 g: ^
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：
0 J8 _4 _" j- L
- f' ^* A+ s7 K; C4 T/ w4 _8 x: o5 U" s
＜?php
" ]5 p) R/ O' ?$ H$ jif ($filename!=""){
1 t! J, ?+ F* v/ a+ O$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
& \0 U& K8 _* X. J( @while ($buffer = fgets($fp, 1024)) {
+ {! T/ e4 W) O6 ?9 y6 I$source .=$buffer; }1 o9 c! l' z/ A* V. `) R
fclose($fp);
6 b, d6 {8 j. s# afile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记/ q- c) H: y; j3 a
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {, C* }& m U1 ?" F4 ^2 J- K
echo "找到图片标签:)＜br＞";}" b+ R6 G7 D1 `
else{& r) o* E; l/ |$ F; q8 g) j
echo "未发现图片标签:(＜br＞";}" c" u9 R6 P& y# x3 [& s
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 `7 n/ _- v! N) k4 [$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);* V3 t2 \- _8 R
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
]$ v' L( {& c7 }for($i=1;$i＜sizeof($splitres);$i++){
( T9 L8 O+ L9 G2 a) @# x9 kfile://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;
: g7 S, L/ X& J5 j: A0 {unset($imgname); // 再次使用前删除imgname变量；3 j1 F6 A- ~& f
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
; Z- y c# K8 r- h( ?) `echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息9 l' a; P; G2 o6 D
} O; T. k+ q$ s3 R( A; `
}
5 i. e$ ^# O3 U9 M: \8 _4 \3 _& R+ k8 M?＞
& p( |8 z |5 x; N# W/ I- \8 B
* B4 T1 z, m# a& W% a
' |% X; R. B. c2 P* 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。0 T! }" G# w' T0 p
' f. F/ _, q* x* C4 h' e( O 其中函式sizeof($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。
0 H( ^/ {& y, R. E2 Y+ X: H8 I
`" k: w( _9 y* z% w8 b 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。
2 u/ Y3 }% Z) U6 I, K- P8 O4 g+ E1 k% M- w1 [! 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？ |
|
发表于 2008-1-19 23:31
| 