|
 
- 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。 1 D9 I5 {3 l; H; q( k. G
" a" @, \9 \; V5 N, J2 j L) A 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：
8 H, J2 {" e/ D4 m% G+ e( J U
4 z) {' f* | L* H5 ]) {/ m/ S: X9 j9 M7 |
＜form action=" abstractSRCfrompage.php3" method="post"＞' k2 { @7 F3 @5 R9 j
输入网址＜input type=text name=filename＞＜br＞2 X; I; w( v. c _' X9 i" V( R3 z
＜input type=submit name=submit value="提交"＞ f2 K1 x3 e4 r" J! |( t, U4 S* w4 Y
＜/form＞
/ `2 i& z3 ]3 n. u: |2 _6 z( u: b: d, x
/ C" q% L& }9 J 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：
" h! p% k3 ?9 H W; S6 T a, e* P4 I) j. Z
4 c1 R9 k! ]. x# b5 i
＜?php1 X! M; y0 P2 [$ s
if ($filename!=""){& j, r3 h2 L5 d# Y$ j
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
9 ^+ P* i0 v, n: ?. |+ dwhile ($buffer = fgets($fp, 1024)) {" R- ]: S6 |% N! H: s
$source .=$buffer; }
' }. T& v! Q$ q$ O* m7 hfclose($fp);
' n+ ~: s9 M9 Rfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
, N6 e4 I& ~( \6 ~7 zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
+ W6 t5 b1 j: ~4 D3 H ^# |echo "找到图片标签:)＜br＞";}
5 H; x, W k+ Z4 Z3 Q* m Lelse{; f! l6 g4 @! J8 a2 g i: C
echo "未发现图片标签:(＜br＞";}
# N# q$ u* R: |# @0 X# |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，
& B' \2 J; E4 q( x! a$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);5 j/ g9 ?# `. j5 u
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
" ]7 J& ?% ~( ?- p/ g' C i# Nfor($i=1;$i＜sizeof($splitres);$i++){
* f! W$ J4 L% P* u/ u9 y6 V% o5 Hfile://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;: a- G5 R$ w4 Y, h$ N4 x; k
unset($imgname); // 再次使用前删除imgname变量；
) D$ o" G$ p) F; x c: X5 w& E$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量5 F" \) O/ H9 s
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息 U7 s* v6 f% [2 S9 {! Y
}1 y! C; Y$ z- | T! t/ s/ _" r
}, L3 P( z ?4 V0 U5 Q
?＞8 b, u2 y. `, d g+ g
$ F$ S+ l: p# X
' a! P/ F$ O* ~( f
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。5 L6 n8 g2 h* c5 ~+ U- @+ E
, ]/ x- w7 ^% R& ]7 E* C' I$ ? 其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。5 {2 G2 D! j$ Z
$ A4 o% A0 K5 m9 i' a& X
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。0 m P) r" p5 M& q6 }
" r) T' \3 j. r; w& T0 E! q# 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
| 