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。  
8 w% ]* h# r7 l( F" _! d$ r$ G7 `0 G2 O: @5 d/ U" j
　　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： + d# M6 S4 {& z4 }

1 u" f3 N* d0 O. j' w. N% y( K1 k1 ]2 q
＜form action=" abstractSRCfrompage.php3" method="post"＞
+ R& R' ]+ O  Z　　输入网址＜input type=text name=filename＞＜br＞
% s7 K3 J9 E6 B& E% e# K  O. K　　＜input type=submit name=submit value="提交"＞( b- B" m$ J9 g, _
＜/form＞
0 A& q/ U$ `7 ~# {0 v5 w- a1 B! j+ o9 @! ^

+ i- Y* o* k0 E) u% y& 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：
; c+ N0 @$ z" H% I
0 Q( F6 y  A+ J' `/ v6 L
" z$ W# i+ [7 `7 b1 Z5 ?) Y& j＜?php
4 J0 n8 \: L3 ~$ xif ($filename!=""){# l/ Z( W7 A$ B: C/ e) {
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；+ m8 z3 u4 z+ z' C' o# }) Z! n
while ($buffer = fgets($fp, 1024)) {6 h3 I+ w) E* ]4 }
$source .=$buffer; }% i) b5 w6 M6 b, X
fclose($fp);
; w" ^& V$ v* v' M1 _file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记0 L5 u: {& S6 t4 r
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {" G: Y! A% H" G; H; }3 f; y* y
echo "找到图片标签:)＜br＞";}
0 f( N6 y; _/ k5 @" a8 belse{
: p. `+ o/ F9 j  G( R% a9 Decho "未发现图片标签:(＜br＞";}
! b! P5 Z) ^. T  N' R8 Xfile://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，# L6 Q9 h( J; f( J% p; x
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
6 B2 E" i/ b3 Cecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
: {' H2 m) [' o& f6 s9 T2 sfor($i=1;$i＜sizeof($splitres);$i++){
) w8 v7 M+ C2 ~& k$ rfile://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 v! _6 E8 k4 u8 ~, Cunset($imgname); // 再次使用前删除imgname变量；0 o" b0 H. c0 M" K1 @2 I! t
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
  W- x( j$ v* t( Yecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息: J! O! K( H4 A6 t
}, l* I& p: e: u
}& Y! }0 A( }/ ~' G9 e# M5 n5 L
?＞. @: J2 ?1 i4 f% ^- Y
0 p# w6 o! X$ k" x0 e' |6 A

1 T* M( X* g7 \5 o) S5 z　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
# l5 v8 O- @. A4 j2 J7 |+ _3 i- ?, L) E
　　其中函式sizeof($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。0 k1 u) P" ]7 Q3 j9 r

( w7 [& g$ {* e, c% t/ ]　　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。
% ]% R9 a, d7 }6 {7 h. |
0 c4 ^0 m' h3 Y2 j0 U3 D4 @. R　　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？