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。  
0 l7 R, O6 G9 ?- j/ ], p" Z% n8 `9 G" g/ n
　　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： * S& m$ r8 D$ w: c$ i
9 j4 W; f9 V/ `. q! d4 ]

3 S) s7 [* Z: O＜form action=" abstractSRCfrompage.php3" method="post"＞
' X. W0 [2 p- R7 O! {7 g( O　　输入网址＜input type=text name=filename＞＜br＞, b6 t4 r% b* W. \( p" U
　　＜input type=submit name=submit value="提交"＞
$ v' o- Z3 c2 }＜/form＞
5 c( p- i8 Y" E: D' T4 J) W2 u) Q

# u7 W8 Z6 J) L! Z  X+ L4 z3 M& f　　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：- L& M% `: V* u/ W! w( @9 b. z5 j. K
& C; S+ w' ^% [- w! y: l& \' O
5 ]; J" P5 R( j' ^  F! J" w
＜?php
7 H! `- O' a% G% C  O+ {) kif ($filename!=""){
/ h# F* T7 Z: U2 @) e0 m: O, |7 N$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
& g% C8 b' E' N+ X% G/ U0 ~( u# Pwhile ($buffer = fgets($fp, 1024)) {
3 n9 u  _. B% ?  V$source .=$buffer; }% w0 M2 f2 ^( g1 c- w  O) i5 t. E
fclose($fp);* Q5 N( B. v/ `
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记4 b. ^1 ~$ r- H) d: b1 M# a
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
  S2 u8 b) \6 f5 R" {. F, Fecho "找到图片标签:)＜br＞";}+ H' y0 ?3 t7 c9 w3 D3 ?& q
else{$ n/ @" v4 {5 Y  T9 _
echo "未发现图片标签:(＜br＞";}' ]6 u: ]1 j: W: y7 {
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，
% V; C3 u9 a$ T( l& A$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);4 M, K* N0 V, h' o
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";; y5 v8 c7 r6 g: O) E' Q; ]' }0 V
for($i=1;$i＜sizeof($splitres);$i++){
) j, i# q/ O1 z$ [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;
% \- v3 ]$ O; c& j5 iunset($imgname); // 再次使用前删除imgname变量；2 U  N: J8 s2 ?' X' q4 F
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
% j: K* f8 A; Q! ^. gecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
+ O$ c+ p& l8 L1 u0 e}7 G% X* y1 ~; U% S# q9 }
}1 T5 h* s  s- ]' ?% ?0 }7 Y  j0 U* G" b
?＞
! [" [3 t, d3 X- B4 V7 R, m
) T# u$ ~6 ?5 r/ a; c2 U; Q1 U) f4 [# x6 |
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。0 h8 M& t9 L% K$ q( U+ U% l8 M

2 o3 |$ j7 M( U* h& h, U　　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。/ v( i# C; h9 g6 k

. k; ]1 ^" O% x, r/ O　　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。7 f' f3 m' K) b# f2 I

" L2 r) a" z' l( i) |　　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？