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。  # O# L; K, q# h" ~( m& o

( {) d4 M$ V  ~% w; Q+ d- r　　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：
8 a. C  k# p% ^: M6 _9 i0 m& ^- e/ h) L) V! Y# |4 r7 `

! v; d: ^5 t! p# d1 d＜form action=" abstractSRCfrompage.php3" method="post"＞
. k! @; X  C% J$ v; |; }　　输入网址＜input type=text name=filename＞＜br＞
3 d, s4 }8 L) o& K6 s　　＜input type=submit name=submit value="提交"＞
3 o; e) @- s* G7 ]! N5 w＜/form＞ % d$ Q; T" T1 N& R9 t# u$ d4 _

. _6 U, W' j% s+ \# {) b
( k% W$ k9 m+ [/ L" e　　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：
: T. b! [" E) C( J7 j$ @7 H; W; [5 ^" I# o$ e6 _) m
% T6 A5 s4 R6 j+ o9 b! P
＜?php
, U& S. ^) W/ wif ($filename!=""){
6 S2 V+ L; m) G! P" s$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
7 G: v5 W/ z* f/ K' }$ S5 Uwhile ($buffer = fgets($fp, 1024)) {/ U4 x2 G% R  @" W8 K: M: Q" `; @. y
$source .=$buffer; }, p8 i9 M  c. e) N1 L/ r
fclose($fp);
" o/ M% s9 L. S" }" U+ W* C8 cfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记% H5 o, r+ G3 G( Z
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
; ]+ Y; o9 D0 x  A# u% h# A- M* Decho "找到图片标签:)＜br＞";}4 @, w3 D3 T3 y0 G. m& w, V
else{+ U" a7 D+ D4 [" C. R, N
echo "未发现图片标签:(＜br＞";}% V1 [1 X/ G. r3 a' F( E1 b1 |. @
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，3 U( f* X. h2 I: }8 i' ]/ S9 v
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);  N- h8 ^7 }2 O8 E4 z. i4 K
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";0 G9 v7 z- X0 ?$ v. c2 h  c
for($i=1;$i＜sizeof($splitres);$i++){
& b9 s; x' o1 ~) 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;
& P: m6 ^' M2 `. Aunset($imgname); // 再次使用前删除imgname变量；
8 m" h% j  B9 d" \6 u% E3 Y$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量3 j6 S2 u0 A' A  {- N& I
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
6 P% F  f& @* C}
( M# p! i6 l: O4 d/ V}
: W3 d5 M5 z# O+ c2 {/ k?＞; V$ q$ @6 ]0 t- M1 ~

2 p! `5 w# Z+ g
' h. ~. @" X4 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。3 X$ |/ ]3 ?3 e3 A5 B* y
. H' N# {( x2 i# x" X7 q
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
1 o, \3 ]0 ^; ~2 D
; I8 }9 u! z, J* [& N; N7 i$ F　　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。
! B$ ^3 ~( V4 S0 @2 }; ^
5 G* T3 I* M. ~  v& R' D" {/ [　　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？