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。  
' S9 p% ~  P: j+ ^6 ^
7 Z+ h! V/ g% f& e. K9 ^　　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：
9 ^" S9 L+ E& |$ _4 r+ y2 v! n  r8 A3 h9 d& o

" s# i; b7 P+ K7 `1 _' W＜form action=" abstractSRCfrompage.php3" method="post"＞; L, K% A; N  O: p# h  M7 `3 d
　　输入网址＜input type=text name=filename＞＜br＞
+ C% M3 q$ q5 s- G) l; T5 d　　＜input type=submit name=submit value="提交"＞2 r0 N4 ^4 H7 T( [+ T7 Q
＜/form＞
; u. R5 z% s/ d7 ~# x& }
5 ?. E/ {; P0 D+ H5 P
7 g1 H) ^8 A3 X) L9 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：
- X, P" E+ d* R7 Y8 h. m% f# R, i& J0 \" {
9 i+ F' h8 \, q' y3 F( W1 c( R1 v
＜?php
; ?" L5 C: x5 v9 G/ ]/ U& m$ Iif ($filename!=""){: Z6 r- b5 ^/ n( L- b3 N9 r) G2 n1 a% D
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
% P" Z: \' e# s. S1 Q' P; owhile ($buffer = fgets($fp, 1024)) {7 x% p. }+ k* l% w
$source .=$buffer; }) I5 j& |' k1 r! Y
fclose($fp);
' j& e0 }! S; v$ ?9 u; J- I! rfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记* H& }6 Y  E5 N) V& P
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
! [* J  c! Y/ K* H' techo "找到图片标签:)＜br＞";}$ O6 t& \; v3 W
else{! k7 n4 B1 W- ~6 E' M4 ?) J
echo "未发现图片标签:(＜br＞";}
/ v, o. _% U6 u. ~1 tfile://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，( X7 D8 j% o& r  U
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);# A# {9 {3 S& G& y& [
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
, c/ K: \8 X) ~7 ofor($i=1;$i＜sizeof($splitres);$i++){; P4 p# n7 t0 h5 F) E5 ]
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
6 {& ]0 o6 M/ `) n; P7 [4 r) Yunset($imgname); // 再次使用前删除imgname变量；
( I3 h" {7 B; c$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量1 t9 e# X2 p5 g. U, b
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息4 V+ k) B& _9 ^0 L
}
  u; R9 ^& E3 ]* D% K' p, d}7 N, s2 f* \2 O7 X- d
?＞
5 q2 O4 Q5 r! g# G4 O  o
  c! |/ W1 h3 \) [7 d% h  ^+ W. e6 j! j; J' a
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。+ r4 M& X$ S8 e) c  T5 u+ l

4 {, L, I) R; @& s　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。" G* e* A$ b) m0 l
, z' R2 G8 p# f3 }2 k$ S
　　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。
9 c" t3 c/ ^  m; C  [2 @- [1 @5 l8 N: E2 j* `  _
　　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？