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。  
: t% k6 V% ^# y; B7 N; D, n* L7 O+ ^6 ]5 U) q+ F! F
　　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： 6 W8 I# H/ t  q7 c+ G: p: Y2 I# h$ O* P$ M
4 d2 M. O9 a" u  K+ S
- u- D. S& S4 A6 C. Z
＜form action=" abstractSRCfrompage.php3" method="post"＞
' B' G+ t' d1 c  \8 ~* j) e2 o' x) x　　输入网址＜input type=text name=filename＞＜br＞
. c# s# _/ O5 {3 k1 J　　＜input type=submit name=submit value="提交"＞
$ r& i4 L# B4 ]4 e＜/form＞
4 B6 L5 w3 e$ B, z& k; m
0 C7 T2 o- [7 ]9 ?2 L, y  O! Y: Y4 C6 a9 r
　　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：
# U0 D- n: d. J: Y9 b. K# i* y0 {6 L2 e4 h( `: O  f9 d. @
  X/ h" B3 G" A; h6 [% `
＜?php+ S  V! ]8 x% o( Y. e
if ($filename!=""){
& t8 i# r$ G6 o. D$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
0 P7 N: l# q5 S1 }1 Jwhile ($buffer = fgets($fp, 1024)) {
: N+ {) N9 f+ n  f& p: u: i$source .=$buffer; }9 {" M4 ^, G( Y. T0 |+ e
fclose($fp);" W% \" I# M5 o% P9 B- |0 E* c* u
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记4 \0 Q, }: }' j5 n8 Z
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
/ k2 _% }$ B* O) l" F% r+ Z$ Vecho "找到图片标签:)＜br＞";}
3 [- m; e$ }* y! t  R1 {: jelse{" l) B* g3 R+ V3 @7 I
echo "未发现图片标签:(＜br＞";}/ S! S" c# {  o8 T3 s1 S
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，7 _7 `, h: b9 d! D
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
; I0 M) q0 I/ @' {8 Cecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
* \( B) M4 D  u4 `3 D9 ?6 ufor($i=1;$i＜sizeof($splitres);$i++){, ?$ Q: s8 V% R' o
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;: w7 Y8 D6 Z+ ]$ t3 Z
unset($imgname); // 再次使用前删除imgname变量；" R# X# f: B/ x  |8 S* x% \
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
0 ?1 M1 r* N6 iecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息, a, X/ v6 p3 |2 p. ]/ P
}
8 D$ K7 C+ U' k& f, E: T8 E}
5 I7 I# k7 B4 Z3 q  o?＞4 x2 Z) K& t5 I! P1 f! W; _/ X6 x
3 ?6 a% T5 P1 s, r
) S- M: V! q9 T  ^3 G1 P
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
( d8 I/ C6 O8 l9 P+ |$ Q8 ?0 U) b9 b# L& ^
　　其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。) e6 H& f! q2 ^  C. J8 e0 _' M
! P( Y( |! W8 \& z$ f1 G: p
　　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* \# z8 V; s. j8 i+ h
* _. a+ ]+ S3 a* K2 H! u　　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？