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。  
! V0 U: j0 O# p  Y
. \/ E! \5 x' k/ 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：
" n7 i6 ?+ d6 i, R5 F1 r3 ?' ?6 G; L! I4 p+ W! I& f& P
# ?6 a8 \6 ~/ n( H8 y  F* r" K
＜form action=" abstractSRCfrompage.php3" method="post"＞, I9 K0 ?5 o" P3 Q1 E5 C; H% }* }% K
　　输入网址＜input type=text name=filename＞＜br＞
0 J' C- x& L" l, m" D　　＜input type=submit name=submit value="提交"＞& h6 Q, ~8 c$ S1 X$ z
＜/form＞
( x9 {6 H$ K5 C, f( V9 o5 u1 r  P+ E8 n$ o" F: N) \& U% m+ ]

! ]1 \) n+ K: a9 ^/ |) q/ ^6 E　　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：6 J( L9 }0 k* J4 O1 _. B( K
# M6 f1 \- Y! O0 n# B) E

1 n6 w) C8 O& N# z( ~＜?php& f' I, f8 d; ]. {% Z! [
if ($filename!=""){
/ j: p  i% B. {. R& a5 z5 u$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；! H$ }  P  [- P9 l
while ($buffer = fgets($fp, 1024)) {" `  C: s3 w, d* }- b0 {' Z2 f2 C
$source .=$buffer; }. S7 S2 \' `1 V, q& u
fclose($fp);
5 X& r# R/ q  U7 L( h; I4 j, U# Ifile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记& l0 o9 j3 C5 V( B1 Y+ X6 G) y' G& _
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {% D8 J2 \$ _* L
echo "找到图片标签:)＜br＞";}
" ~/ r- r% g1 c6 e% Delse{* n( z4 A2 f; c0 p8 F6 Z$ B
echo "未发现图片标签:(＜br＞";}
. n9 Y( n6 j, H' B# c% \* [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，+ R  r5 L$ i5 W, w) A8 |
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);) v4 x6 \6 X+ n8 ~1 l
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";/ \/ e. I! b% W& i4 t2 P
for($i=1;$i＜sizeof($splitres);$i++){# [% o* x/ O8 V) L
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;1 x! u6 t. i& p+ D% C. r
unset($imgname); // 再次使用前删除imgname变量；
- q, r4 a: S4 R6 x% f0 g$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量* h7 V( u( j/ p9 `9 s2 X2 d/ L3 [
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息5 r+ T$ e5 V) Z$ W. A: a  H3 A
}
. u4 e  n% R( T3 K* Y5 L5 C# I}
1 V9 V% i6 L# S?＞+ t3 g6 r4 Y9 A& s8 A
3 z% N( |; D: p3 w. r6 _
9 h1 Y; g: ^+ T3 j! ?; ?- D
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
, {2 ]7 p6 d, Z" E* Z: n6 t. @- {8 s- e- J. h" v/ U& W% B
　　其中函式sizeof($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。
+ \3 p/ i* i4 n2 m5 ]8 q5 n! C7 a& Q& t0 y& l# j
　　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。, q9 J" j4 Q/ K# O8 Y
3 n4 v8 G: {, E$ e
　　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？