|
 
- 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。
+ \+ D: ]& _+ F8 c0 [$ D( F, c T4 f% \- ^1 V4 S7 u( D: c
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： . D g+ k4 u* P1 T2 G
# K) y. U. j4 m! @2 c4 I N; G- u
T& Y: P0 R3 m4 K( e. [( D' I
＜form action=" abstractSRCfrompage.php3" method="post"＞
4 v) q* t# Q$ H& Y* f 输入网址＜input type=text name=filename＞＜br＞7 q& w4 C; E, J. B* m" R6 k
＜input type=submit name=submit value="提交"＞
1 V% x, D1 b2 g% a ^ H4 j＜/form＞
& V9 L6 M6 g( o. P1 J- K0 F1 ]# Y' f
& n( o+ }* j. D" x6 z( F
' C3 X3 G: V5 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：3 H# v$ I. S0 ?* T1 ^! Q J
5 u+ n: k8 U3 k
8 S* {* P, L# Z& H1 x# Y2 M) K( m
＜?php# }1 t$ S2 a: n5 G q9 Z( G3 D
if ($filename!=""){$ K. ^5 P# ]+ R& I
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
* @6 D9 Y4 L i( X( S; Nwhile ($buffer = fgets($fp, 1024)) {% c8 p9 K5 {3 @% g" v# ~% x- ?' A
$source .=$buffer; }% z8 J; H. A+ e
fclose($fp);
9 ]+ O- J9 t" O" S9 {4 K' [! c3 ?file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记: S+ o5 n J, g8 @# R
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
+ c0 g; n6 T6 ?7 b* _; j0 Decho "找到图片标签:)＜br＞";}4 k2 `1 Z: L s I
else{( n# i: ^, ?$ H5 z2 O
echo "未发现图片标签:(＜br＞";}1 W: h# s+ `) i7 V5 A" M$ t
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，
, e( N; H3 ?- r: [- T6 t' [1 T' n$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
; U& G! t: w$ u! q0 @, z) D, Decho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
, u3 ?0 |6 x+ g4 rfor($i=1;$i＜sizeof($splitres);$i++){2 X; g7 d5 Z, ^$ X+ I1 v6 a
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;7 D2 r7 o. B( e( o- i
unset($imgname); // 再次使用前删除imgname变量；; f! O0 q0 \ d4 s P+ d/ J
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
+ \" ]- W- s: T% Wecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
3 Y% Y$ Z6 |1 f* i& V3 a- o+ d}8 n/ x7 j1 Y- y6 {
}
4 y& [* E) j4 M. m8 _& r+ s?＞* k4 b) ` `7 e( Q) g9 m ]
0 Z9 u4 ~( M" m' h5 d6 H
6 o8 f6 G& f4 h" l6 w- H' P& _5 q5 L! A 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。
% K1 h6 [' A1 j
$ U) c9 Y/ t F, v( \+ k% r 其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
* w! b6 p0 W# t+ \, k5 Q+ m* n- U( P1 S1 ~$ |
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。
. Y, H0 b7 r8 q# Z1 G+ h
6 Q9 b8 ?# A) _ F; U0 N 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
| 