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。  
. T3 N2 j! P9 s/ A" f9 O4 _6 b$ a4 E1 a% K) T3 ^) \% h0 O: Y
　　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： " W# `+ A+ T& `) N
  ^5 u; q$ n5 F: v# \

* T7 I( T4 f  O  r5 d＜form action=" abstractSRCfrompage.php3" method="post"＞5 Q/ Q* ~$ v1 Y6 s' O6 ?
　　输入网址＜input type=text name=filename＞＜br＞9 x) l5 _$ ?! q5 O2 b9 Q
　　＜input type=submit name=submit value="提交"＞
4 h) c3 ^- {+ M! u  g; C＜/form＞
" T' W% e. W+ w) {3 x5 b( h5 Y5 Q. e, p& ~' G+ g
, J/ l$ |; s% L' Z( 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：2 H% T" t. {/ L0 p/ J" @
/ \9 _$ h% Y; A- H& _2 G
- x$ F: |  x# \; @5 a2 L( @& H
＜?php
4 K( l" [3 q0 \( ?& Q. A' \3 cif ($filename!=""){
2 u3 J! {& L3 |+ z8 z, }4 w% S( m$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
2 A% c. T" M$ `while ($buffer = fgets($fp, 1024)) {
' `" ?1 F  |* [& i- k, U$source .=$buffer; }
  A! u* P) j1 A0 u9 u5 K1 F2 Mfclose($fp);$ W/ E' O0 f8 p( E0 w( `
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
5 n, o& p0 H" l) l( s) L* Mif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {* g5 d1 K) Q* G8 f# ~* U
echo "找到图片标签:)＜br＞";}; L9 L) s- Y! b* K* x) q
else{
, U/ ~& ~/ o* L$ m+ kecho "未发现图片标签:(＜br＞";}
3 C, p8 h# C  W* d4 Yfile://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，
; k0 V) ]6 K( g5 }8 `2 ~) ]$ O$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);% [2 L* ^$ D$ T2 q" {. \/ @( l
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";2 g- Y0 ^- ?* V6 v
for($i=1;$i＜sizeof($splitres);$i++){
8 C' D! j1 y, Q, Zfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;" I7 P( m; b6 h7 f% s/ ~
unset($imgname); // 再次使用前删除imgname变量；% p" }" z/ Z- X
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
  w) K7 d0 q4 H( f8 Zecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 p6 b% |) N3 d
}7 L8 C5 D" o( E4 d+ v7 u5 H4 U) R7 y1 u, O
}2 I( B5 s% k% ~
?＞
6 W5 ~9 ^) _0 m/ f& \' C# [, P' J+ r4 f, T1 ^
  ~8 ~% B3 [$ l& M" t
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。% k  {7 n& f& S. q
5 E; }3 i, H% t( z  d. y( n
　　其中函式sizeof($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$ K( a: J0 Y3 K! A3 `( c
% x7 ^, n1 r  B6 c( z, H　　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。
% r  z/ P/ U% v& w; D1 c8 g' u* d6 S8 e: C
　　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？