|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14249
- 金币
- 2415
- 威望
- 1647
- 贡献
- 1363
|
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。
8 _1 D5 A+ u$ O! d* ~ E* b# _. ]( @2 {# C% ` L$ [( ~# ]
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：
% l0 v. T" R6 s. v- W# m$ A* w! |7 p8 |1 n0 K' M
9 i! P; p" m- q! x0 [8 Q0 @* n9 @1 f＜form action=" abstractSRCfrompage.php3" method="post"＞6 B$ ^0 s$ I. T- S" W
输入网址＜input type=text name=filename＞＜br＞$ h) u8 f1 C2 ?4 r/ @
＜input type=submit name=submit value="提交"＞
+ c8 M3 F6 O- N＜/form＞
, J4 r- @) A) h( H, d- I, q, n, {, z6 @
* X. k. Q' ^- n% a/ X- 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：6 D; w% q7 T q* I
5 u, A. a5 F: x" m$ t; t. V2 i4 Z/ ]9 _" U7 q+ P. D5 h* e
＜?php; ]6 l# V- d/ y3 f
if ($filename!=""){& ^) m/ t4 l9 Z
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
1 T: ?* Z* I, i6 @* [- T* [# Jwhile ($buffer = fgets($fp, 1024)) {
. r* g# |, T6 e& F5 c+ n7 I% ~$source .=$buffer; }
1 b8 p! g/ z5 G7 bfclose($fp);
( ~& K- P3 C1 ]/ d! ~! v# ?6 afile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记$ F- U8 B6 w4 D. p" O; t
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {" ?+ e+ G/ K; y, u! c9 N
echo "找到图片标签:)＜br＞";}
, A" n, s: F$ s4 C% ~, z8 {else{
! x( t6 V0 k# Q! v' w Y8 Secho "未发现图片标签:(＜br＞";}
2 v6 z& ~" I+ F" M+ ?+ {& c( ^/ l, Ufile://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，6 v L# f" C9 \# z& ?' u9 v5 t+ O
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);& [; Z2 p" }% j$ }$ V5 k$ g4 F6 n8 F+ s
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
0 P) g2 M; \ ^+ D9 P! efor($i=1;$i＜sizeof($splitres);$i++){
" R, `' f* I6 L$ Q# l# jfile://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;2 k- O% i$ N: x
unset($imgname); // 再次使用前删除imgname变量；
: Y/ Y- _8 y6 q, N$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量# t4 O; k& m& F3 A2 o( n1 A
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息$ {8 W8 J# `7 C9 |
}. u; M2 `5 l9 b3 ~+ J( l) O: \
}- a. d5 D6 c5 x: O' T" | v+ O' d
?＞6 i' D! R' A6 a9 o; s L$ `
4 u' |% Z/ ]" ?1 `, ^ b
G1 x2 m- i0 p4 Z6 n$ 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
1 b' p( G$ `' @" _. Y; b9 S) |: Z1 Y: ]6 S& d8 b% S5 l/ B' l
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。
; n1 m4 P) g6 d: N1 c m8 T( p7 P0 r
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。
! Y7 P7 p, e2 v- N a9 t/ q! [( g4 M; I. E: y- n
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？ |
|
发表于 2008-1-19 23:31
| 