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。  , R4 L# R, J# x& `

! s3 g) h1 s' `% B$ X　　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： 2 u1 B( m, S$ v( u
( K/ \# n2 u$ {

# D% y" T( k4 A5 L1 r, L- S4 Y＜form action=" abstractSRCfrompage.php3" method="post"＞! e+ ~0 i5 I! ?; K) r
　　输入网址＜input type=text name=filename＞＜br＞1 }5 Z8 b3 n3 `" P1 z
　　＜input type=submit name=submit value="提交"＞- M( ?- P7 `2 n5 s! t9 k
＜/form＞ & C* Y+ g+ z5 M: @+ c

2 w/ K9 G, ~9 x6 p1 r/ a" ]; F/ X( j5 K8 T) Z
　　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：
7 r! d$ `! N/ n+ f+ \, h) H% {7 |9 w: x# v/ E
; d$ J9 J# ~+ z
＜?php  s& c9 N0 L* y
if ($filename!=""){4 @: t: f' G+ H) o6 @; Q( l4 l
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
4 _4 U9 \% m# J/ C" fwhile ($buffer = fgets($fp, 1024)) {
1 |7 a5 N/ k# `" h! i6 Y2 `$source .=$buffer; }( C3 k6 V7 ^% y  Y( r) m2 C, N* f4 [
fclose($fp);3 z/ y! Y/ u# W1 ]7 b- n- L
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记2 o" Z, d* @0 k  D
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {# K, H* ~$ m: ?
echo "找到图片标签:)＜br＞";}
- ~0 L0 H$ X- x" E1 t) X' qelse{, @& O" F6 u& X
echo "未发现图片标签:(＜br＞";}+ S8 j  [$ ~4 C2 z! u5 y
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，
2 {% q" |2 c- \7 O9 M: h6 [$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
2 `" I+ M' E9 o+ D* \9 A6 Pecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";( `9 H4 Q7 w5 r; c1 ], ?. [
for($i=1;$i＜sizeof($splitres);$i++){
/ t" y4 }" t; _  K! K" w6 jfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
. T, X6 h# D$ \: g6 |/ L6 s: punset($imgname); // 再次使用前删除imgname变量；
2 H6 H; m$ y& }* A- ~) I$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量) J8 _/ B# j( h+ R$ ^+ f- M& t
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
% M! B& T& R% K, Q! S% J1 w# p' ?}
3 U; a. i: ?" t( p" ^5 w: ~}
7 y8 q! w; N3 J2 J2 d0 n?＞
8 g1 U& N3 l# _9 l/ P2 k
6 l2 Z0 Y7 J3 ~4 @" y6 q7 S7 K( V
6 G& R2 D1 n$ T2 }1 ^, e　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。% w4 ?% o) v$ U
+ n+ y6 ?+ I9 Q4 V; E8 N# 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。
" j7 o! o. f: d; Q6 \7 v) A' A5 \0 t8 [+ \" I7 J% G  t" w; b
　　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/ }' i% ?# r% d- ^& H  C

" n: v! Z/ B3 e& a　　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？