|
 
- 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。
6 }' b$ w3 q' t* j! y# ]
) k, s* \7 q/ g: i; q- ]& ?2 r/ h 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：
( e6 t! Q1 O$ |4 L) i
+ }1 z7 P0 C# \, f1 n- v U( X6 P9 l& }0 G9 n; R( A
＜form action=" abstractSRCfrompage.php3" method="post"＞
; C" R3 N* G) k5 P" {! S. T" @ 输入网址＜input type=text name=filename＞＜br＞5 M4 b: H& o' g; u) ~+ ~; G l4 c
＜input type=submit name=submit value="提交"＞
: E9 _, q; B i% E' F" y. _, Z3 z6 B＜/form＞ $ n; P- N4 V. N( w4 Q5 C
5 O6 J( Z+ p4 \: w4 } X+ `8 G' K
0 H8 w3 f3 x2 }* {) Y/ W/ w' l' o 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：
) @2 w) g \; l7 a/ t( s
$ {2 k9 u8 g3 i( ?( A
6 i! J, s# I4 r+ q0 G＜?php+ w0 J" |& E6 \* h' ]) P/ R
if ($filename!=""){/ g, V4 f* L2 q: L- A
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
5 C! C) h, R( C9 F5 gwhile ($buffer = fgets($fp, 1024)) { [1 y) B: B( U0 E3 G" S+ y3 m* K
$source .=$buffer; }
& ^- w) r4 h) i: _4 {fclose($fp);
9 C6 N+ {: S; t/ R! P Q! h& Bfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
( m! i- t2 ^0 C6 h, Iif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
9 e& ]$ M8 R5 Y2 T- X4 `echo "找到图片标签:)＜br＞";}0 ?) r$ e1 X, u4 t: c
else{+ S% x; \! w7 k) C. w+ v7 k' O# S
echo "未发现图片标签:(＜br＞";}
0 \, S8 B' l' }9 {$ B \) {& ?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，; B$ b' C0 R+ d3 E0 m X9 f
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
2 [9 l$ l: d+ f3 P! R* V4 necho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";" X5 M8 [" x2 ]9 j
for($i=1;$i＜sizeof($splitres);$i++){! o/ `7 G- k3 D5 f0 S
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
) o f* c! j7 V* zunset($imgname); // 再次使用前删除imgname变量；
5 V5 h- u9 l) p) e$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
3 P" }! c) }0 x4 necho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
8 ~4 `% J) y7 l$ k4 F! d: Z}
3 M/ Z9 {: \$ ] d5 B% e: l6 {}: M9 p) m7 Y6 Z$ I
?＞
) D; d; s* g, g. n2 n! }$ Z8 M0 K; O4 E! R2 ^
2 R) P- Q% u- S2 l 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。7 v+ p; L8 o* N% }
$ j; z0 A6 C( l( p& ~( }) p5 B
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
/ b. `7 |. {7 D4 X+ y7 V7 W. a! `" t# D$ m. U5 T3 M0 v2 g
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。0 C8 } O7 v; R
4 S2 r, f8 v$ O- k& t5 x! x 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
| 