|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14197
- 金币
- 2389
- 威望
- 1647
- 贡献
- 1337
|
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。 2 ]( |) s1 j% x
% f3 b3 N( Y* S" e- o 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： ) ?7 j- W. p# G% h% S4 s' I
# Z J0 }6 v" J: G3 x) F+ ]5 H8 N: I8 |7 r, t) a3 I
＜form action=" abstractSRCfrompage.php3" method="post"＞* j7 S* ~* R8 `$ t$ b R, P
输入网址＜input type=text name=filename＞＜br＞
/ a; u" d) T' b" u. p/ h7 p ＜input type=submit name=submit value="提交"＞/ T5 o# t; ] p) p, J
＜/form＞
# D0 t. L* f# K, h$ z" e# z4 B$ P" E; t" j3 r1 }
% ]- S& u+ {- x' q3 L" p& 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：
1 V+ n; v/ A0 @( K! @1 g- ~0 J8 O% b1 q0 z. m8 w, x4 A- u# p
. [+ q9 A' e, T; P3 A& |6 u+ D$ b＜?php
. r& r" M' K; U8 ?if ($filename!=""){4 T ], y9 K0 o$ `) d3 p, a1 \
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；: v/ w0 Q9 R1 _; Q- t
while ($buffer = fgets($fp, 1024)) {
2 h$ v9 O* M) k+ L$source .=$buffer; } W7 g2 V9 F$ X
fclose($fp);
6 t* v) z9 U/ G1 jfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记. i, ^* v8 c! d) E/ A
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
" n! C8 j% r, ^echo "找到图片标签:)＜br＞";}
9 C4 u! p3 L# k/ R( x7 U/ n! N/ Z7 \7 aelse{
" S& m0 L+ {0 J. I/ Q. Oecho "未发现图片标签:(＜br＞";}
, L9 ?) S8 O! } l" \% [4 ?3 ofile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
0 g1 [/ N' v; R. h( w- C$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
2 X8 K$ ?: R. `% e( cecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
: D) n4 N2 _3 I) O- Bfor($i=1;$i＜sizeof($splitres);$i++){
9 b, d$ P! C" N) h ]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;5 L% q4 a0 Q+ c/ N9 g4 @
unset($imgname); // 再次使用前删除imgname变量；$ y. s; C3 f+ l* [* T
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量: q+ ~) E% \3 e6 ^( J% |
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
8 A4 d1 C& @; v8 r$ a2 y}0 X1 {& \' q# P
}
3 G8 u ^0 }- d# {+ ]. |% A4 k% ]?＞
1 T% W* K3 |6 G# K- r1 m$ q
$ k! P* F7 [7 v" J' i+ a( k: a9 a. `+ ]9 R5 c& c m2 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
/ B* {# e! i9 H$ G- @
! A; D3 P, W/ t" v1 V+ B 其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
9 k2 u$ d( P- U' Z: Z4 J1 e5 f: ], C+ b+ r7 t3 ]
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。( L7 G7 j4 I5 C. I+ B/ g* S
) [8 }' q" [8 ?7 T4 j# U
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
| 