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。  ' Q7 |& W8 _5 p7 |  y8 E
8 Q% V& ?( V& V0 K" y; e: x
　　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： ( u# W5 h: H" C+ E0 d( X- t
- m  A9 u$ X) N  @% _: d# _  _

) n- a/ \* o* `8 y: J＜form action=" abstractSRCfrompage.php3" method="post"＞
6 A! E7 V, U9 F% A0 m. K' z2 z# E　　输入网址＜input type=text name=filename＞＜br＞
6 C* v$ A( V: A, ~　　＜input type=submit name=submit value="提交"＞/ G7 x3 C. F& z' B, ]9 c' k# _
＜/form＞   \; M# r, d0 `+ a( q3 v! r: X5 t  k

) t$ o- e' m7 E7 D! r
1 F$ P$ }$ F, l/ Y$ H　　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：
* d* e0 K: q& F
2 }; q; H$ h# Z1 ^. ?) a2 V; s
3 \$ a$ ]* V' g' ]' c) l＜?php: Z  g+ T. u+ e; m$ ?+ n% N
if ($filename!=""){
; t5 ?/ X3 ?5 e$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
" o: A/ t* |3 q2 D/ I" kwhile ($buffer = fgets($fp, 1024)) {
& c, `; H- t+ t# S$ u! }$source .=$buffer; }
4 W$ `* N/ e& ^fclose($fp);+ C4 Z- ^& r7 J" t! G: [) ?
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
$ N# ^; |7 c4 s+ H8 sif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {, s  I2 E  ]" g( l4 D4 d8 B$ `
echo "找到图片标签:)＜br＞";}
% [( ]8 f+ o0 q3 F" y7 D* Velse{
) f. c8 l4 L3 g, ~( lecho "未发现图片标签:(＜br＞";}4 }2 F4 H4 K7 {3 K- 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，' K7 @, X6 c+ R  z3 M/ s% b2 v  |% o
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);6 C$ H+ R- I8 O: G1 ~4 W/ l
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
' [; O4 E! e& D! ofor($i=1;$i＜sizeof($splitres);$i++){
9 H+ B1 C) ~$ kfile://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;
# n, ]+ q8 `2 x% ?2 u. ^1 Lunset($imgname); // 再次使用前删除imgname变量；' C! {5 F! o, A. A
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
7 \4 t1 n8 O7 _  z, y0 c; _6 \echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
7 V$ L) p9 i- D; D- T}
, d$ r0 O- v# [/ t" [  M! j" E/ k0 n}
. E) Y3 L' R; O! i?＞8 ~0 f- n- B9 J  ?/ I1 d

# w) e% j+ B2 Q6 ^4 e- W4 i1 E) k$ q3 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
, L2 Q9 L0 L% k: y. Q6 J) y" `6 R
　　其中函式sizeof($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。& L: E8 b+ ?6 d
  ~: b& D- w& X$ a1 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。
# ?5 z4 Y8 X# Y* ^  z- n
0 e* u; ?/ i% P" 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？