|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14247
- 金币
- 2414
- 威望
- 1647
- 贡献
- 1362
|
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。 " L0 b, y: w5 I
' r# f7 P: ?0 q+ u 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： , K% T- G. |" |6 ]
% D/ n5 f$ v' `6 _
}. r( q4 |" x＜form action=" abstractSRCfrompage.php3" method="post"＞& ?* `7 W6 s5 {6 U' m; w4 M+ |
输入网址＜input type=text name=filename＞＜br＞) P2 P( t4 m9 m1 \! x
＜input type=submit name=submit value="提交"＞
% \+ [8 a+ D' Q' _3 p+ |% k＜/form＞ - \; W+ Q; o C0 C F1 t6 D' V# v0 F& M
8 q$ U2 B$ S& ?+ C7 }. h
1 |% p0 }) G( a 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：
4 s8 `: ?* q1 z; g/ ?8 z1 Z% p. C& w- N- E6 i
( d' P# F! w; n' f＜?php
. L1 P- x0 m" P9 cif ($filename!=""){
! w) h- v# `; g) |" i3 G- h$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；. E" K" e C% D
while ($buffer = fgets($fp, 1024)) {- |' y. H/ B: K& b! |
$source .=$buffer; }1 u! q8 i* s4 H& _5 O4 U& F
fclose($fp);
' i0 _0 [* e3 R! s" I+ Z/ y; vfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
- s1 Y. J; d, Uif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {! v4 X4 u" Q& a0 L
echo "找到图片标签:)＜br＞";}( V T' |& @" A- K) k, n6 p
else{( u" ]/ P) [/ c7 q
echo "未发现图片标签:(＜br＞";}
2 \6 S2 H5 W( z4 `6 q) I6 Tfile://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，; M7 T9 H: k* m4 O" q; N, i6 }
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
) ?& N. j0 j# C9 y8 P/ kecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
4 z& v) u8 f* V" u, G4 ~ F; [; M7 Nfor($i=1;$i＜sizeof($splitres);$i++){* Y2 P- ? y3 A h$ N" b5 E' Q
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;, w5 p: u- X; ?. R& T+ b
unset($imgname); // 再次使用前删除imgname变量；" h+ T" h# j! r2 t3 I
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
0 _" y' S4 c7 w2 Y/ secho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息6 K u" W5 L. L/ A: z9 L+ W0 Y0 Y
}
4 `: j* Q% O, @, p) u' v- C}) l5 t, |$ I# J) ]* {
?＞
- ?+ Y- P' V Q# j/ |" d8 }' L6 f1 _5 w; I3 q! d% R7 g
- V/ @5 I7 w0 w
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
( y1 h+ J1 N/ R# y0 O4 \- j. X- q: b9 K2 Y. L
其中函式sizeof($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。
* h9 f) k4 n, z
9 L) M6 r4 w& }5 O2 x 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。 r7 Z; w2 D3 i1 ~
1 \% L; \' w0 ^* v) y; r
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
| 