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。  
! ^+ J. x+ ?8 A4 w/ B
* n7 K# W0 B. y4 O3 }3 |/ S　　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： : X; M$ @( M" t. ?

9 J) ]! Z# p& E! u0 X6 i
, R4 i  C0 D# U$ g+ F/ {! D＜form action=" abstractSRCfrompage.php3" method="post"＞8 \0 b$ Z/ ]# ~1 c; a2 [
　　输入网址＜input type=text name=filename＞＜br＞
& M6 c& U: S( H5 l　　＜input type=submit name=submit value="提交"＞
' c' [# v4 Z0 H＜/form＞ ) n6 E+ C5 w( X

9 u3 p- k9 B9 P: Q4 F. C7 N% R8 K1 X- O  h; L; s8 B. ]
　　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：
: y& `9 {- {. m/ x3 c! F! d* H" l; q4 `
9 e+ _" ]1 a9 K' S
＜?php
3 L' p9 D, D+ w( x7 w; k( |, P( k) Zif ($filename!=""){8 k$ s# b" l0 h) e. R7 c
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；" o9 M& V# W& g+ W* K' f# Y" B5 L
while ($buffer = fgets($fp, 1024)) {- v- G7 Q7 w! C' `# K
$source .=$buffer; }  z1 k6 `1 i# A& W, g- r
fclose($fp);
  ]1 L+ |& v) B. t0 ofile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
4 l: Z6 Y( y* s& i7 T1 L( l0 r( Gif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {$ [3 u8 ~$ t1 B- N' |; W% D
echo "找到图片标签:)＜br＞";}
9 o' e; B5 T9 H' y: \9 H% W, e* N7 Jelse{
, m8 q% c0 M' ^$ O. _' D5 kecho "未发现图片标签:(＜br＞";}
! `. L4 X$ N" g& ^# m' K, ?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，
: _; a% n, \- W, ?9 @5 K8 m1 }$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
6 @/ g0 k! x- R, ]8 D' o+ \echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";, l, h2 ?, p% ^0 d- U( X; |. Q
for($i=1;$i＜sizeof($splitres);$i++){
7 |' A9 i' X! ]2 z' gfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;- Y# j" S1 u1 \; R9 n& h
unset($imgname); // 再次使用前删除imgname变量；
# Q) F2 H4 Q5 z4 {+ w$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量4 K6 w1 V3 _* o( C
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
0 z3 ^4 Q; Y5 }' s1 q# M$ U8 g}. Q( k$ f. t+ K/ L" f; [6 @' s
}
! x% Q6 G* _% i- y?＞
% F$ S6 E5 F; j" T: z. L5 W
9 r+ c! v9 }% R; g6 N- Y5 z4 u
: n2 B9 O$ X; K) Z　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
2 y9 k8 t) g& a) q3 F2 x( u! e" ?  N2 m6 N; I% V* o
　　其中函式sizeof($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。% y: G6 _2 \% `8 [
7 W4 {4 n: u4 o# y7 H! R9 H
　　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。6 X6 R% U% G7 J* p$ {6 J. l& r: l+ z

# B9 e: I+ f, k　　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？