|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14247
- 金币
- 2414
- 威望
- 1647
- 贡献
- 1362
|
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! _( ~( q! f8 ~
4 |" K0 U. o/ @1 H+ Z% T9 [" s 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：
# K% f0 i5 T9 { s; _8 T7 y8 S9 h$ B- l
; g: a/ [" M3 H$ ^% m% _0 z1 ]6 @5 C
＜form action=" abstractSRCfrompage.php3" method="post"＞
- b' _ C+ E; f: C1 u2 V 输入网址＜input type=text name=filename＞＜br＞3 I. ]2 l2 ^9 \" c
＜input type=submit name=submit value="提交"＞
4 v9 d) \6 h1 N8 T: s8 [/ r＜/form＞
% f# T8 c: Z1 J2 }9 ^ M. I2 |+ p$ a5 o, C/ k9 N! C
" m* D, l( `: q 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：
5 E# Q4 w! ]) e( N4 D' q4 r0 r2 `1 \! i" c) w" S7 Z
E& \* h5 N p k0 }＜?php
8 ~6 @6 a1 [' `& iif ($filename!=""){
- s9 }) Z! B8 m, {/ \1 m$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；; i8 P7 y9 ]' X! t9 X1 T
while ($buffer = fgets($fp, 1024)) {: X, m+ p6 n+ [( Z9 R# V2 R: O" {
$source .=$buffer; }6 |. b$ s- d4 \& g8 A- G E5 d) W
fclose($fp);6 v5 z) a" v% o3 w( F( z: e6 a2 ^
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
- @( u! |4 C- A4 wif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
7 L. n' y* b$ _! ]3 Recho "找到图片标签:)＜br＞";}
! `. D- X* L2 K" Kelse{
7 I: u, \: C$ k+ a4 |6 d, r" xecho "未发现图片标签:(＜br＞";}7 x0 k, O# d, L- l
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，
6 d/ Z/ i% c7 i0 m2 i+ L$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);: R; N8 |) x6 G
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
* p5 Y* P7 K1 i- q# a( Tfor($i=1;$i＜sizeof($splitres);$i++){
( l2 [- O- V6 F9 yfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
8 r7 C+ J+ |( v& J& b- a3 v5 aunset($imgname); // 再次使用前删除imgname变量；& G5 o% h! d2 d- ~' q: i
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量6 i; e( a/ l: ?: c
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息0 n8 d3 v" Y/ L/ k) ]1 ~5 a n
}. U/ P5 T. i, N- y E" b; c
}
" \) b) M* _5 ^) X% n- P?＞& C6 \) C% r0 I/ H( Q
8 T1 a; q8 y- v7 H; H3 i
0 E6 w5 d1 f3 b2 A 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
' {% Y6 i; M' w* t$ u* z$ d* G% r8 R$ S: G% G: N' i4 ^
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。6 _0 v3 N; G0 Q, [- J, d
1 r$ N( S& S$ Z) b p! 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。
) L: @$ Q: m: Y; k5 T+ C% e
8 W ]- p0 ?, h# P 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
| 