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。  
: `6 V7 Y) \; e" F) \' T/ c4 T. c* x+ `6 ]
　　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： ) E4 [4 p- U# Y

( B' F( t. R( ^* ^& }6 Y5 ?) ^5 g' v2 d1 Y! ?9 ^
＜form action=" abstractSRCfrompage.php3" method="post"＞
; e3 L: T& o, ]4 a; u5 s! p/ O　　输入网址＜input type=text name=filename＞＜br＞8 n$ j! b4 y7 `) D* a! |
　　＜input type=submit name=submit value="提交"＞
8 e) z+ @; E* q( _＜/form＞ : V' p: R6 G- Y& {

5 Q+ a+ d/ l2 I, k# h1 @2 K
$ W3 M1 ~# Z9 {* z4 X) F7 S8 o! ^　　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：
; [; t/ m/ N- u3 o/ E6 Q8 C5 _
4 p) _9 k9 E1 F4 p
- U& C& b4 G+ H4 u0 m6 I8 Z＜?php6 E- V4 v3 e' ?5 J: X
if ($filename!=""){
, I6 S. w# X/ ?5 a1 P/ I2 \5 x$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；& q) D" h  f0 H2 T$ e) t) k
while ($buffer = fgets($fp, 1024)) {
4 g$ g0 O0 M. ?& h# f- m1 o8 P$source .=$buffer; }, w& \. u+ L6 M# [9 R. T  w1 X
fclose($fp);$ @, k% q5 U- x2 C
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
' C/ B' A9 Y& ~+ q2 k5 Iif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
+ L$ V: X9 d! {2 @, }+ X9 Kecho "找到图片标签:)＜br＞";}
- S+ `+ V9 Q# Z- U1 V! aelse{
. A2 K+ @7 w' a# y) p+ R9 xecho "未发现图片标签:(＜br＞";}4 i( E2 n2 y& j1 o% w- z) l
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，. q3 M6 d( D( j4 X! U+ t
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);* Q2 P3 @6 [) z$ ^
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";8 z0 A/ F$ k' U2 L8 t9 a
for($i=1;$i＜sizeof($splitres);$i++){( l7 ^( a7 E1 U3 ?+ _& S
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;; e4 H- {, N* A5 V9 b- b) x
unset($imgname); // 再次使用前删除imgname变量；
+ d7 T" Y' @& z/ I0 O4 U; P* z& j$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
( f0 R! P- D  f: D0 }9 [echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息' K! O# R' e1 O* S6 f
}
- t( X" b3 l4 w3 Q2 n) c1 J}! \. L' h+ P6 \
?＞
" M* D2 K$ e# t9 y
" u% q, V8 i0 M. @
' f; n9 s/ e0 v; P1 G" F　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。7 `& M" J) m# D/ b) w# M
/ r6 N( {3 u& Y
　　其中函式sizeof($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。
& Y) H- w. _* e, d2 n9 R
9 y* m$ _+ Y& \$ k! Q　　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。3 `  q( }" F0 x9 N) R+ ]' a
( }1 m8 f+ _% `
　　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？