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。  2 @/ @6 s8 ]; f' f% j/ U

  T5 T; g# J. M  G. H& [$ }0 k　　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：
  ~& p) s  @6 H" b. K- w! @+ u: B5 v  [
, Z" r1 r* z% W9 k+ X
＜form action=" abstractSRCfrompage.php3" method="post"＞2 s( u/ k  J; I3 Y
　　输入网址＜input type=text name=filename＞＜br＞
# p6 U) t# _7 s' m( c. z, t　　＜input type=submit name=submit value="提交"＞9 z" A, f# `# `. u; L8 I+ t3 x
＜/form＞ ( n: a7 ~0 F! v5 |' I3 X6 X
- e, }( j- z$ J# G* z! h6 D

7 f& Y/ E' a2 h" [% @4 ]% q　　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：
. w2 R# G3 k, y$ O; |% l- a3 ]: J1 g& p; a* o$ B4 V6 [

" `, o( F2 V  M* N+ ~" @, g＜?php4 A. d! l, H0 `0 {6 ^- Q! s
if ($filename!=""){5 n7 |) _. g8 D5 {  z& l* o: E4 D
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；; C6 V8 @4 z& O( V+ z
while ($buffer = fgets($fp, 1024)) {; t7 e- G. y5 T$ M: G! p7 i
$source .=$buffer; }4 H1 K* f7 l& |! n& U
fclose($fp);% u( d! {& ^8 P& W4 k
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记. d. V0 l" M1 x  y
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
$ y5 c( Z( \* r9 necho "找到图片标签:)＜br＞";}
' b6 |( V9 h7 nelse{0 |& i4 M; y0 e& u6 J
echo "未发现图片标签:(＜br＞";}/ k7 N& p+ C) s6 b# ~
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，, [; \. O, @) Q
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);/ G0 [" q! k8 G$ }
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
+ G$ N) ]8 V" U) `. X$ u- ~for($i=1;$i＜sizeof($splitres);$i++){
$ e' i( d, V! S, S$ Dfile://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;
% |* _4 ]3 U5 ~9 |! B  f  E$ {: J7 uunset($imgname); // 再次使用前删除imgname变量；
. s9 s, \& @) f* m) V0 i# Y$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量; A6 b3 q* {. [3 ~- G2 I  z
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息) i) p8 v* s& q0 @4 ^
}4 B( S& p! ~2 L* E3 T( o/ w
}
1 ?4 V$ a0 O% V?＞8 B$ X0 O# r" r1 Y1 y

" E/ A' \& }. N$ Q
: Z2 @" n( Z" F$ H# h　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
  X3 K2 s0 E8 O9 ]. t, c, M0 C* o5 V3 {% x0 z
　　其中函式sizeof($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。% b( Z0 v! X, y( v
4 f- w9 w, s8 h! H( y
　　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 V8 _) d; o: K

" U) \7 F5 c. O! }' Z, e2 y9 |　　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