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。
3 w3 F5 A Z2 k; y- m
$ t! Z' 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：
' N, n/ @; S: x3 Z3 ?5 K
, Q: `6 D% g w) O5 k+ c' A$ ]
# t9 q- ^/ f- E1 n( C' U, ^
＜form action=" abstractSRCfrompage.php3" method="post"＞
9 \; _/ z: X- R$ D# c& G
输入网址＜input type=text name=filename＞＜br＞
4 H! I/ o) S4 y- q: t+ m" h( Y! `
＜input type=submit name=submit value="提交"＞
9 ]% O2 o o2 J8 w; v
＜/form＞
7 e/ X/ K* X4 u: Q4 i4 T! k
/ O) _) w) m9 s8 K* X
, ?& Y" b' G# e$ Z, c3 g- O4 u7 j/ l
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：
' M, ?3 Y+ G2 Q; H i
. B) i' P7 x# C/ L
" E D6 S" S4 }4 @( f+ z
＜?php
/ x V: @1 g( F! \7 ^* f5 G, F
if ($filename!=""){
/ W% w# V1 E' A) X E
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
8 S: |9 z' [7 w! |5 N) N- L8 q
while ($buffer = fgets($fp, 1024)) {
+ J/ I" b7 k3 u( l- B0 Y
$source .=$buffer; }
$ G& b1 q8 ]& q/ ^; g
fclose($fp);
0 f8 `/ [; z5 \. T
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
; p$ \( [) h* C* @) X# d# `- O7 o
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
! U( N" P6 d$ C0 a
echo "找到图片标签:)＜br＞";}
/ }( K8 e, b. m w3 c8 {
else{
4 ?! z" k& I- B3 B- x
echo "未发现图片标签:(＜br＞";}
# k( w# Q0 R' E/ t7 ~: J- f
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，
& N t( y$ Q" R
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
# q) @% r! `" \+ Z
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
3 |/ }; I7 m! i! p9 V- A. G/ }
for($i=1;$i＜sizeof($splitres);$i++){
* F B" ^+ h$ G8 u& `4 Y3 V
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;
; a# a h) Z1 U4 N* u0 G
unset($imgname); // 再次使用前删除imgname变量；
2 E9 j# [( ?2 H% d! G+ H% q0 C
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
: Y! |" `! X v# R8 l3 U+ P" S G
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
[ \' H* z2 U8 z
}
% p2 A9 q. ?1 w4 g
}
/ s& U$ {6 X* y, g1 ^
?＞
, X" W& Z8 i+ x* I
, j: N& e4 ]) Z: O
6 S5 `" \ @2 S; S' ?- G7 f) d
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
" ~1 s; V' e+ \! N- @% \8 v9 \4 w
( b" X8 S8 q: V Q' s! g5 N) U0 I
其中函式sizeof($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。
3 d) i* c5 ]4 b+ n
( f; R! A, x: ^' d 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。
# G. R+ r' P( L8 @: l; q( ~
( I* {% x1 @/ ^% a, n! E4 h3 P( 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？
欢迎光临 捌玖网络工作室 (http://89w.org/)
Powered by Discuz! 7.2
