标题:
Html源文件中image标签的析取
[打印本页]
作者:
admin
时间:
2008-1-19 23:31
标题:
Html源文件中image标签的析取
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。
! v" u0 a Z& l: ^/ i5 I% k
: X+ Z. N. T* N" B
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：
6 z* c# _3 N7 N
- j. d! z4 I- Y( w2 I! f8 E
3 `' j, N( z. c5 P+ g& J
＜form action=" abstractSRCfrompage.php3" method="post"＞
, E# w5 k5 A3 _8 q
输入网址＜input type=text name=filename＞＜br＞
0 d- o8 O' p1 _
＜input type=submit name=submit value="提交"＞
" f2 m0 }1 \/ A$ o+ M
＜/form＞
1 z4 p: l/ v& B8 B$ g8 U( Z* P
- f8 n, v# W9 Z: W2 u1 m
9 t v, ]/ u7 a" \
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：
# V; |, W% C7 z/ |7 i
' I& H s+ Z* K+ x: {
( V$ Y3 S& _+ B* C" [, O
＜?php
" {- {0 T7 O+ a, G) {7 `
if ($filename!=""){
$ N* L7 i4 U+ s& B
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
. h& q8 U4 G& P
while ($buffer = fgets($fp, 1024)) {
: q1 ^0 e8 G2 D
$source .=$buffer; }
) k$ r% T+ k) y6 I! W. M9 k
fclose($fp);
- f. |( @) l6 X) {9 j
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
0 e% e2 I" q& U; S+ C( Z" F- y
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
- u) r! R. _7 a* {0 V4 m
echo "找到图片标签:)＜br＞";}
9 E! z; G6 @, `, m% s2 K d3 b# Y
else{
* E9 m( Z0 }7 v& n* c
echo "未发现图片标签:(＜br＞";}
8 L; F T" ~" {% Z0 P1 a
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，
- O2 \* O8 _4 x5 ^' k
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
, ?- I4 \) w* B& W. A
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
) H( l, E4 O3 T+ H6 R" a
for($i=1;$i＜sizeof($splitres);$i++){
8 p% [9 b8 a- S1 }5 f9 g" g0 B
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
+ D! U# E! e3 j7 u" D
unset($imgname); // 再次使用前删除imgname变量；
, [6 M6 W% j) v6 S; k$ Y
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
. Y9 E/ t- t+ S+ y5 H) ^
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
6 U1 h. O( Q7 B$ e! U2 V! f
}
7 H2 f/ K" N) F8 \( l" i
}
: i; \+ { }( i% P+ ]6 b6 I# A
?＞
* s3 B8 E# p! |/ k% Y
1 X, Z1 U- f: j% v0 n: u+ n
. v5 c0 I1 S( O$ t; A& g' X! k9 g
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。
$ T1 |9 A3 Y. B4 y
8 |1 b0 }* D$ u7 A% \
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
* Y. D2 Z) `& e) v
& v! B- {3 t9 H
好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
5 @* S9 j9 z: T9 H! v
8 I* B$ [ G% ~+ E9 g
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？
欢迎光临 捌玖网络工作室 (http://89w.org/)
Powered by Discuz! 7.2
