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。
! k: i6 `( `: i8 @4 R
% S# x( b" ]+ ^& i6 x! {5 U
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：
1 v# R' _( u8 }
4 b* ^; w6 d. m S
. P$ @) f& d' Z/ z' t
＜form action=" abstractSRCfrompage.php3" method="post"＞
, h; I' k+ M4 `8 v1 W* _5 R9 {
输入网址＜input type=text name=filename＞＜br＞
7 U& a j6 D. B8 E- Q
＜input type=submit name=submit value="提交"＞
+ a. U1 H2 {$ K9 W
＜/form＞
# p/ h2 o; L- ?- u+ n a' t7 }
! i3 j# z' Z6 i
0 V$ P' F9 {% [- b" ~
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：
! j) I9 i( R. F
, W% O& |) g# \
& H+ ]* s: b n( S+ u$ r
＜?php
* V! X6 `4 h$ H' r' {# P
if ($filename!=""){
8 ~" b: C- N" P
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
' {% a1 C! C7 ^8 F. f+ ^* M8 j
while ($buffer = fgets($fp, 1024)) {
3 Q5 }4 ?: x0 T$ P1 Y
$source .=$buffer; }
z9 k( u1 q' X! X( J5 a1 C
fclose($fp);
* u* t( i. g0 R) V N
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
6 z2 N5 a" J: N8 b7 a
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
) F3 v5 X" H1 j) |% ]- G
echo "找到图片标签:)＜br＞";}
$ j/ k6 |1 d$ K2 U7 ]% j/ n
else{
2 x3 G3 O- N( R6 l, e5 W
echo "未发现图片标签:(＜br＞";}
& [8 }/ O2 X8 ^' x
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，
, ^* w7 Y: ~9 U' N
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
2 x h4 C/ C8 ~: H6 {
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
! I0 m9 V+ U( u: y' C" M, n
for($i=1;$i＜sizeof($splitres);$i++){
Q9 P1 |3 r# `5 r: j" g0 o( m
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
9 e, k0 b( ~1 _' L
unset($imgname); // 再次使用前删除imgname变量；
7 Y( D1 G% p. b+ h; O, B% N2 w
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
+ @% e" _3 i' q, u- U3 C0 T1 z
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
8 R8 u& b$ u& @4 a5 {( f1 Z) V
}
, X- C0 p: [% c* ]
}
- g& h8 |6 E! e% b8 _2 F
?＞
9 }2 Y4 x5 b) `# V% d$ S) M
: Q8 m, w0 N4 T+ g# Y
9 G; u/ {* J: Y, P4 R! { h4 g 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
! y: D$ B- z% c2 @
, V, j8 }& B, I+ y) _1 A$ q5 V- V
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
2 E9 H7 ^! C6 n: ~1 e
' a$ _0 Y8 L8 a6 q% D/ _% [
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。
& L7 x; Q; }$ b* A3 p
8 l8 y7 [7 ~ x) c! i$ b- E# E
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
