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。  
3 I( j' t( L5 a) I( n& S6 f' R6 T* C$ b- O' Q, S  V
　　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 z% }7 a7 H! t2 G' k, J9 P
+ y" u+ p* U1 K3 s# U' o; j  @( d; N, S
＜form action=" abstractSRCfrompage.php3" method="post"＞
3 m9 Y4 c9 F: n0 x　　输入网址＜input type=text name=filename＞＜br＞8 ~& g4 s# g2 [
　　＜input type=submit name=submit value="提交"＞
5 L4 j% q: ^( ^% t＜/form＞ / @( H7 N6 F7 Y$ ?1 J% I5 B8 l

( E7 a* a( E8 m# q6 d" _, E; Y8 d3 m) x6 v( G! ~* m+ V  @
　　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：
% h3 e( U" a0 H( {* b- ^3 U
) b7 n$ X" b1 h8 \) U4 q2 t0 ~# @; r6 @2 {  T( b+ ~
＜?php) @5 d0 F  p/ y8 ?& {
if ($filename!=""){
( e8 s9 @7 s/ m& W$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 e% I/ J3 w5 q( d
while ($buffer = fgets($fp, 1024)) {
- m. C, d) K; E5 `/ q$source .=$buffer; }
8 s5 \+ ^5 c+ @5 jfclose($fp);$ v: ]# c9 Y- x2 d7 O9 i0 @
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记! I/ {2 e2 Z# X1 i
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {5 F. y; R# m0 b) ]) [
echo "找到图片标签:)＜br＞";}
8 {7 H9 ~* J3 v4 J2 `else{4 ?  i7 O( g. v( R' X9 k
echo "未发现图片标签:(＜br＞";}
! N/ L9 L- V4 x+ Z) ^! N7 yfile://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 [7 ]& g* W4 o3 R. \. Y$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);% o4 k# E/ l/ @! T5 o2 h4 n
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
  D- u  H1 X1 o" rfor($i=1;$i＜sizeof($splitres);$i++){
" r7 E  B, N4 }# P3 S+ Lfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
4 F$ y; k' S  ]5 x' Aunset($imgname); // 再次使用前删除imgname变量；" u' q2 s, }: C# I" Z1 a
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量# ]  o* f5 M* x: J( [$ F$ L; @. g
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
$ u, K2 z* y; J, P- P, E}
6 [0 S7 s7 C1 t/ u8 F4 F/ B}- {( Q2 A( ~7 s* `8 k
?＞
/ m0 `  v) t" C3 I
8 K" S$ n0 K* W* t/ s. X9 m8 G6 h6 s8 x! q8 Y/ V8 ]& V
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。  ~) T" G# f% @7 U, q
1 n5 w( Z: R5 d, i5 ]  _
　　其中函式sizeof($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。
, l# m" f9 @  d, |- F" O4 y9 J4 _+ o1 V
　　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。
: w5 N7 J& T* v  v  u
9 r( |& c' v/ f6 Z* h( [　　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？