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。  * B' `- l, ?# Y2 U2 l( \1 J
* ^! u* ^6 D9 J( H, @
　　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： 9 i1 N: O7 C$ o6 R7 w! [

: i+ S; d9 Y  A/ p1 @# R; N" z! G
) R) m- d8 ^0 Q( B$ }＜form action=" abstractSRCfrompage.php3" method="post"＞0 d- N* ^# A0 Z! d9 L
　　输入网址＜input type=text name=filename＞＜br＞
/ V) c7 l6 |  x  N, p! q6 O　　＜input type=submit name=submit value="提交"＞
; j1 Q( N6 i& |9 W7 b. O＜/form＞
) Z0 P; N3 |$ j$ q3 r& w1 E4 B! D7 E8 e( S
! O0 }- {2 u: \9 r* N
　　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：+ h6 N; e9 a# _; g
2 d* S' K: g% ]# a
0 ~& O8 E" h7 D- r! I9 o: ]5 X2 q* f
＜?php* `4 }% C0 u( h: R9 |2 D
if ($filename!=""){
9 {$ A' V( ]8 {: |- g4 K4 S3 m$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；- Q; M$ d, _2 ]
while ($buffer = fgets($fp, 1024)) {) p9 s  `9 W& q) T5 K
$source .=$buffer; }
6 W- |0 Q" i" I6 n; V8 a9 Bfclose($fp);
0 ~! ?; X% i# Pfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
2 c% L7 `, p. c% P1 u) Lif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
* z# _, }2 }; b! x  wecho "找到图片标签:)＜br＞";}
  T1 M, O+ L/ h5 I4 Celse{8 s# c7 E+ h6 b+ u0 w
echo "未发现图片标签:(＜br＞";}
! m; k+ E, M) W4 Q' j* z+ `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，  `! G/ ~% S/ \! W- Z2 W
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
/ v' J% a; Q! O1 oecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
: ]: e+ b) i  b4 Jfor($i=1;$i＜sizeof($splitres);$i++){( m6 h# k4 S- I, j* W! W
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;2 x: F! U* {( n2 A
unset($imgname); // 再次使用前删除imgname变量；
6 @8 \/ R% |1 R$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
( k( O3 G9 x4 m# s) V# uecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息/ Q. _9 G! h& J! N; K
}. |# `/ }- _) C0 Z* Q6 k
}
' Z3 `) v7 ]- ^3 F$ k4 X5 s" r% ??＞
2 a* W# @" _( y1 c* O
; B, s! k$ W# Z1 ]- E
5 G. ]/ R# z% P# P1 l" i- K7 S　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
  t/ I; A7 L& Z9 F; t
* ?/ U- |5 @( h- l5 N　　其中函式sizeof($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。
: e% e- n' J8 W# Q- I" [" g+ r7 @/ i8 [; J  P, R# Y1 j; b1 j+ `6 Z9 c4 @
　　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。8 R4 m9 o  S# D4 \1 \. R: t
8 B1 _# m1 s7 @  [7 U" |0 r5 Z
　　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？