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。  
9 E( ~& k" x( y" B* Q( P% L
$ \1 |; R. c2 A; t, l7 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：
3 o) H  a( c& Y: z; M) L, ^0 o# q# j7 I8 i& M" Y

: j3 [3 E% `0 K8 c4 l＜form action=" abstractSRCfrompage.php3" method="post"＞* d( X' ^% o4 G2 ?, l4 `% k7 M
　　输入网址＜input type=text name=filename＞＜br＞
) U" C$ L' Z+ O/ [" \3 E* j& v0 d　　＜input type=submit name=submit value="提交"＞
( s1 D4 S: j' N, c. l＜/form＞ " V1 V* N0 K1 w
( X* U% I. K6 w, M8 N

7 P" M) y' T" j, H- L$ {　　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：
3 d$ f5 X2 U+ G! g4 i  K; v! F/ s3 d! B' o+ k4 F) s! X
' ]8 ^# [: M$ n2 z9 ^& ?% l  m8 W
＜?php
3 k# ?4 E% e5 F$ R# F* v' Nif ($filename!=""){2 ]! y" q5 R& ]7 Z0 x1 A5 o
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；4 k9 r4 ^- I7 {/ ]" H# y1 |* G
while ($buffer = fgets($fp, 1024)) {6 F8 k( T% T6 B
$source .=$buffer; }# K5 @9 C( ]" w& y8 K
fclose($fp);
* R! j3 G8 l6 I) V( Q! D  O, sfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记  ]  P5 J$ `- K( C$ v+ Q
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
; C6 L) K! j3 \& r' l( Techo "找到图片标签:)＜br＞";}9 a9 C# X+ I0 I: z7 U8 f8 a; n1 Y
else{
+ b5 a2 J1 l; s6 techo "未发现图片标签:(＜br＞";}5 M1 M3 H4 ~* f1 h  f; E4 d
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，% |) R. t7 Z6 K% Z- p+ j! S
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);; |, Z; S5 X8 _% \1 D% `( o
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";: m* h1 E5 O0 ]7 _( y3 c$ I3 X- V
for($i=1;$i＜sizeof($splitres);$i++){" [+ e: D& y% E# f! \( m% t- h# P- b
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;- c7 \' ?! h( o# |* o, x* H- d! u
unset($imgname); // 再次使用前删除imgname变量；
5 {- ?  O3 k$ x9 [+ Q" M+ j! E  S$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
6 Z5 o5 ]$ u, o, qecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
; {, D/ h& [, M$ p}
# B/ U3 J8 e, e* `! M6 j}
% K6 _4 [7 U! `- I. j3 N?＞+ w) F8 g% ~. U& n

4 b2 R; l/ h! C: F
1 m( V6 V; C# p6 U; J. M　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
& l/ j  E$ K5 s" f! ?( l3 D: k) H" g, V& h& H
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
9 ~- x( c# R0 S9 o/ n
' i" u' n  `- {7 ^1 @- f. S, F& g　　好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
2 n, {* ]$ N: P
5 S; }+ {( ~0 i# c　　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？