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。  
* x. d" `# O& F+ L% w6 q# @- r3 k+ k0 N- U$ \2 _
　　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：
5 }- R; W' J$ R: T( Z+ S0 U! J) t$ a, m. c" W. o6 S! x2 l
/ F+ [3 G$ E; H  S; h% n
＜form action=" abstractSRCfrompage.php3" method="post"＞* f* v! a  s/ Y5 p' ^8 l% b: }
　　输入网址＜input type=text name=filename＞＜br＞5 V! l, r# h% k
　　＜input type=submit name=submit value="提交"＞6 w  K+ W+ G/ B7 b
＜/form＞   M" c: e& K2 S4 _4 Y$ U
' L6 ~" q$ k7 f/ p: Y
: Y6 x) }' h& j( m& O; ~8 @
　　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：
- K) p/ ?/ `3 ~2 p& m6 x8 C
% U2 v& X3 {6 N5 k: T" r* l5 {5 q; e% r
＜?php5 J9 v; v8 _3 p  Z/ ?  V- ?
if ($filename!=""){
( g' p, h9 I* n  H$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 `4 J1 p7 i# H
while ($buffer = fgets($fp, 1024)) {
# m" }, ^" ]2 {: z$source .=$buffer; }
+ G- E' W& ]3 c% d6 `  Jfclose($fp);
% c; c$ H7 l$ r# B" Kfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记7 N% `/ B- I2 p; A9 J. ]( X
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
  Q( T1 y$ Y7 a7 [echo "找到图片标签:)＜br＞";}
( _6 C9 k: i, g' n& N: e% relse{
& E9 o( d4 T" v4 P. \4 Vecho "未发现图片标签:(＜br＞";}
) Q$ g$ e5 @  q  G, N# vfile://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，- J1 P0 N) m, W
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);( s, j; w1 P7 }. {, ?3 s8 b6 Y
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
& d# _5 F4 b9 W7 Nfor($i=1;$i＜sizeof($splitres);$i++){4 S; b9 p* W' Y- I
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
9 g; j3 G  c4 S- d  ^unset($imgname); // 再次使用前删除imgname变量；
# k2 _9 g8 C) ?. Q( g2 D) |$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量" G8 c! `7 P' D# H
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
0 C, A5 S- w$ N}
% C2 O. ^1 M: {* U' Z( X}, o$ T- H  J0 N+ ]! F* Y! }
?＞0 K& P8 O! F) w
& _- C0 q% F7 U' ^9 u: T- D. n* i
. v* O( v1 d  u" i" y- a  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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
* ?: L' {: f- P. g6 J# d2 W' T! e6 J
- h$ T( k0 x. O( r　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。# S1 ]6 N) c# X
" g" j7 |( D/ U% Z% M
　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。! t3 ^7 w- r+ W/ Q3 F$ |. h" K: j

! X  g& h3 d2 a* l# Z6 ^　　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？