|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14197
- 金币
- 2389
- 威望
- 1647
- 贡献
- 1337
|
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。 # X4 n, y$ Q9 R" g0 z0 f
! D7 S! k7 t9 P, g1 }; 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： ; k+ H. l- c/ q$ m# I
5 {" q: e! q7 k# E* D4 N( H
- y! ~' R- R" v7 \＜form action=" abstractSRCfrompage.php3" method="post"＞
$ q& I/ v8 G9 Y+ S- I: w 输入网址＜input type=text name=filename＞＜br＞
8 S( P/ M2 s* b; o; \! t ＜input type=submit name=submit value="提交"＞/ x: r) U) M9 x7 V2 g- F8 D$ d
＜/form＞ 2 J( }7 j; ]: U- K
/ X, J, g$ y3 A8 Q* @
% m7 x6 _3 E% ~- 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：' O1 P, r7 R* c% S2 M# t4 q7 e9 H/ p% P
! t" G- {, C2 G+ a
1 A- p a* a. A0 j＜?php, E3 m4 \' G7 q
if ($filename!=""){
% c; ~; {4 v: G" W8 I$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；7 u4 [" q2 N/ ^! ^/ e5 Z
while ($buffer = fgets($fp, 1024)) {- A& H! v. ]6 v5 y; C7 {
$source .=$buffer; }
9 M" _& j! h; V% zfclose($fp);
8 v$ [! |) Z* K8 h7 |+ }& m3 efile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
+ c3 A) ]7 t" P; [0 s4 Aif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {- I* G" z; W. _1 h
echo "找到图片标签:)＜br＞";}
+ e" q/ K2 }- i9 Gelse{" I2 L# ?) H( Y, M. D$ F
echo "未发现图片标签:(＜br＞";}
/ z* ]& ^, K9 {, L$ ~6 W! e. Zfile://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，, I1 V4 s% ?7 w2 f6 {
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
' b8 @$ `1 N; d# D$ m9 f! ^& C- Necho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
- c9 G8 m* T; y( J3 ?for($i=1;$i＜sizeof($splitres);$i++){' U6 [5 H! H2 H$ J
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;
% l$ W4 H( w* \2 d7 W) T; `unset($imgname); // 再次使用前删除imgname变量；
( T! D) {6 @8 Z, _4 v$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
9 _2 }. }* t, V* k( ]3 A7 z techo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
- H+ L9 |( p5 A$ x$ s; N! h4 u. O}
) Z/ K* z/ c# U# T}
8 T8 c7 \% E3 u" {) B, H) v; @?＞
- O# m: b8 W0 M8 {
2 I8 x- b$ L- i2 ^0 w( E; p
. @0 A8 c6 P# {* v$ T 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
9 S/ L) v; G. n1 B
1 T) F6 M' h6 y, W3 H, R 其中函式sizeof($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。
# f9 q' o+ F9 T$ D0 x9 S
! [' P2 d* S1 z 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 C6 A( B+ ?" t$ H3 a) U# K9 d
& d1 V/ D% X# Z! l
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
| 