|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14197
- 金币
- 2389
- 威望
- 1647
- 贡献
- 1337
|
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。
' K' \* S/ |) d
( I+ ?) h$ U7 k: I, b. F8 O& Z% K 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： 7 W' d# r: P% b
8 I* W- s) c) s
5 k4 P) f6 {* S3 ]* n& s＜form action=" abstractSRCfrompage.php3" method="post"＞8 F! {! n& u* }# A1 d6 I
输入网址＜input type=text name=filename＞＜br＞# P# U7 \3 e3 [
＜input type=submit name=submit value="提交"＞
* z) A8 T1 S+ i- ]* p5 ?: L＜/form＞
7 w: h% }! b ]8 [# e3 Z% T c7 D) A+ V; e! @
P$ G! T! p! h8 g 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：- |* N& x3 b1 @8 N! F' e7 ^
7 f8 P- t+ _$ \4 N# }9 u
# v/ ?3 ^, E+ z, S
＜?php
0 J7 b1 Q( d1 e6 ]" ?; `if ($filename!=""){
8 t6 r3 a' a% }7 b. Z3 _$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；! t, @' I0 R- n8 B# T
while ($buffer = fgets($fp, 1024)) {
* i& M) W7 O/ N' [! c$source .=$buffer; }/ b" Z* B' r$ y9 f- R
fclose($fp);
; u0 _1 {, N6 x6 e B/ \file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
( f1 n% m$ C& v& O: t: [! e( u" s3 xif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {' t" @2 Q' h- U$ U% R, a/ U S
echo "找到图片标签:)＜br＞";} f) \, i3 b# m% U
else{& o. m P( O0 c. T
echo "未发现图片标签:(＜br＞";}$ P5 C) F' }5 Y
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，2 F; |7 n! y( s* X
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
. l5 f/ U& B: j) U' S2 G2 t& oecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";* y% c6 p+ m3 @
for($i=1;$i＜sizeof($splitres);$i++){
6 g. X1 U; h; Q5 H6 Dfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;& S% p3 L4 h$ c( G! Z
unset($imgname); // 再次使用前删除imgname变量；, ~) l9 r, e& H$ p9 [
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量" w# Z V# w g0 j: W( M
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 J$ R" r. i; [9 W: a9 K
}
# _0 ]4 v W6 J; |0 H& R& ~}
$ o! V6 o& h$ `5 W4 e0 _7 _9 P. h?＞
5 V2 ?$ ], v0 F6 U% h! f( h$ I \5 {
: |$ ^8 `7 o- r n 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。/ [3 F5 f7 [$ q/ [# P1 N! d; X w
0 }3 G# d; j) B! V
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。
: K; j! o$ y) Y2 V4 ?9 F
! e5 O8 d) R! E5 Y7 E7 l; q 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。
9 i( N- ^( ?. e( ]- Q$ O7 i4 e
0 k$ T6 {9 ^; V 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
| 