|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14443
- 金币
- 2507
- 威望
- 1647
- 贡献
- 1455
|
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。 # R5 q3 x; Z, I. i8 t
6 c8 T) S+ b, I- ?& M, e) a
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：
- G+ f( e. r3 |/ G4 m A
) I5 o2 D6 o0 I4 [+ g1 n s+ d4 e0 ]. R5 r
＜form action=" abstractSRCfrompage.php3" method="post"＞# B! R( ~. X4 M" n' m% Z. v
输入网址＜input type=text name=filename＞＜br＞/ b7 s3 v. g/ H/ R* G+ p
＜input type=submit name=submit value="提交"＞* l$ f9 a2 V7 |
＜/form＞
- f7 a6 n1 I. H# o/ }! R! ?% h% l Q6 H
, q( k1 x0 g8 S& ?2 Y 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：/ D5 P: A8 i: I* P" o) k, c, r' |0 M
3 d% M. j+ B- {5 y; d4 @. ]- n. s. a8 V2 H1 Z* g
＜?php4 ^+ c; t% g* ?- X6 }" @' G% U
if ($filename!=""){
+ k \3 Z' }$ s$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；1 N Q- p' n c8 D& ?
while ($buffer = fgets($fp, 1024)) {
: [* Y% J9 r4 W% N) h' ?) d$source .=$buffer; }. ]) J3 X+ G- e* {& _# C0 N
fclose($fp);
0 K4 B& D/ Y7 Q3 A6 R3 y. Afile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
# J. C7 e+ A4 s& V D0 qif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
' O5 S$ b, O7 u( mecho "找到图片标签:)＜br＞";}
( w4 l( K7 B1 L% I2 E1 @else{
/ p" @4 O( F" Z# ?echo "未发现图片标签:(＜br＞";}' G0 I1 G$ @$ A0 g& H$ E2 U% U
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，1 B$ }6 n6 E& `7 r
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);' K" K L* z+ h( y; d; |& E4 g$ W" ?
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
- ^, ^* @+ w& [7 |" Nfor($i=1;$i＜sizeof($splitres);$i++){
# |/ j) x! V2 ?1 q: b5 `& gfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
9 V- O- c' [( t `& m* B1 tunset($imgname); // 再次使用前删除imgname变量；2 J) E( Z' f! a: `
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量: R) {2 i$ M% I# g
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
+ X) ^) q" L* q, z" D8 L& `* e8 W+ G! k} b8 L/ b2 w& P/ @: V/ \& n9 v
}
1 ?% P- R) j1 m0 Z! A4 T& W6 \?＞& R) X5 ]! ?$ m' U: a+ w
3 n9 t/ O/ U# n" N' _9 V; O0 h0 {
2 x0 ?( t8 O" G- [8 r 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
5 R$ L( u) \4 o( ?
5 k! v# h7 g) ?; k( y! B! I$ n 其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
9 C* t6 P9 c; ]$ A5 V- s7 J1 ]6 x* U4 x/ f
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。4 Z8 s- ]+ u2 e4 x& ~& S% y% l3 z
5 r, D1 ? u4 U: O `: L! k
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
| 