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。  ! i- b" J/ [) [1 C* _7 @
. @1 F" O: |; K' p# e* |) {
　　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： 2 N# T# e2 X9 C2 i3 P9 h
' j; G( B. R6 |/ P% ~* I9 g

6 I& Y; X0 Y& {＜form action=" abstractSRCfrompage.php3" method="post"＞/ v& `8 q: F6 \0 g- Q! v' d
　　输入网址＜input type=text name=filename＞＜br＞
; G  d  m! g4 ~' P' y4 d, C　　＜input type=submit name=submit value="提交"＞
! ]' E, Q) D; L$ ?$ F＜/form＞
5 h  x- x- T' R
( d" ?  [0 @, q* _4 j& S) f0 {, T/ l  k) |/ ~# W- 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：
) o$ ^9 o( r: Q" p/ g
0 k/ R) O9 y7 X, u" p% G, `+ u4 Z, E- ~# D: y# J
＜?php+ ?4 X& E  s( Y& [7 y9 P* q' o. n
if ($filename!=""){8 {2 P8 s( {) t* {2 {0 u) X
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
8 s4 F( R: \) c) M. R7 t9 M. ?while ($buffer = fgets($fp, 1024)) {4 A& T7 o3 J! q$ M% O0 r, _" X+ e
$source .=$buffer; }. L+ H, p% X/ ^
fclose($fp);+ }& y0 y' a  ~0 x% i+ M' |. x
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记$ X: x% v4 F1 x! `1 G/ T# x
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {" y$ K& T' \" H4 Q& D, j$ i) j; v
echo "找到图片标签:)＜br＞";}/ l. l8 p1 c* T7 J. e
else{! H. v: {" C& _7 _, v( R
echo "未发现图片标签:(＜br＞";}) n$ E8 X1 v4 }  h  t  E2 B" G4 P
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，
4 N0 U8 _' k$ R0 T; n4 O# c$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);% J  @2 E1 N6 L4 u
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
8 c9 W( S; L' Rfor($i=1;$i＜sizeof($splitres);$i++){
% V3 R. T4 Y4 M; N8 Efile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
! Z; s1 z0 T8 aunset($imgname); // 再次使用前删除imgname变量；
8 j9 [. F" X) O, X) Q$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
) _: l$ M0 _, hecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息8 p7 l) L, i) W
}& [. C. U, p# W* Z+ x) k0 g
}$ F( ^, p0 Z8 z8 ?" `
?＞
3 U& `" i. p+ l- c9 D, P0 ^) r, c% W# S3 O" K' ~2 r; \
/ @& J$ a& A; w9 {2 Y
　　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。* A2 H; K% E( }# N2 a1 L4 A8 D" x

$ ?3 V8 P* l/ v4 Y" G　　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。3 x& y& ~1 a' _9 o

0 ~, ~% R- v0 F2 P, v　　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。
' G. D" I3 a* }7 @! T5 z/ F4 ]0 E% C+ o9 C& U3 c
　　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？