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。  
3 L4 q2 ~" U+ S2 o0 e
3 \6 N+ ^3 N) \　　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：
: Q6 C" W3 z) b3 a5 O
0 Y* X4 i/ }7 z% w6 m* e% H
+ U# F3 g. p! X0 u, O& w' e, _. i＜form action=" abstractSRCfrompage.php3" method="post"＞
. j, m7 }0 U' G/ p5 a$ h　　输入网址＜input type=text name=filename＞＜br＞
1 G) o+ k. k$ S& Q$ j　　＜input type=submit name=submit value="提交"＞
$ G/ k4 ?  c  Q0 o1 ~＜/form＞ : S  F: L/ e8 ]2 f/ T6 H. @

2 ^! A7 v: B8 n, F5 e2 Z$ D" P0 \7 Q7 Q2 P0 c
　　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：
* ?/ I' `8 x* R2 T! L) T
5 X/ d! L  T4 H8 A8 a/ f
3 p7 T9 A6 U' |& ]＜?php3 ?0 R# N  D2 Y6 J
if ($filename!=""){# m! _( r& l- s( A) o4 F# V/ Y
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；- m1 L  x( a# H" d: Z- e: H
while ($buffer = fgets($fp, 1024)) {
7 y" e* q" [5 y( ^  L# e) [5 t: _$source .=$buffer; }. N/ u( q9 H  V6 q9 G6 t* V
fclose($fp);
' ]# E( b/ L+ ?" `3 w: ifile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
9 A" [3 i: P" t1 }2 o5 vif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {) w0 A! t7 m9 H9 @, s
echo "找到图片标签:)＜br＞";}
% ~4 G& |* V2 W1 A) U6 w8 ~: ~, Welse{0 r. d) |, e' ]5 j& ^* V7 c2 j8 \
echo "未发现图片标签:(＜br＞";}/ T  {. R' a8 t' l+ _9 k
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
5 W; `3 S: {  x0 B, U$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);% |. R0 J& S+ |$ m
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";1 F6 ]4 {% ]  Z: s) d, \/ ?
for($i=1;$i＜sizeof($splitres);$i++){  {! K# Y6 N# j+ c
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
! F4 q  o/ g( r' i+ F' p, |" Hunset($imgname); // 再次使用前删除imgname变量；
3 N' B7 M% a  _) N6 n2 G$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量$ x  `# q" q2 {' C1 ]
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息4 s% O0 l# [* v4 t
}+ C$ a- O. u0 N5 E* `+ Y
}% k+ i, B/ W# x
?＞
- a+ M9 c" _' e8 A. a/ e* B; N  d# u+ E+ p. k  L, l' K

: _7 x+ z% c/ r. 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
/ P5 O9 v/ g; Z- B
7 ~. d; `; k: m0 T+ p# E1 t　　其中函式sizeof($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。
+ ~) J+ q- U; M& d6 J+ Q' [3 \1 h8 V2 Y( _* Y" I
　　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 ]- O# ?  I. w- l' P7 y4 d  N8 A* J* ^) R; X9 K# Z8 B- Q- G
　　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？