|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14247
- 金币
- 2414
- 威望
- 1647
- 贡献
- 1362
|
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。
: C: A- _4 n) Z% Y# Z( z8 x! P3 x% E2 O7 H$ | f8 \9 u
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： # t/ S e2 v% Q! z- q2 }) i5 |+ B
, c5 c8 s& V" C( A4 X
5 E& x3 s, @" C4 `: G( J6 ?# c+ y＜form action=" abstractSRCfrompage.php3" method="post"＞7 {1 r9 R/ |/ ]! a4 K$ p- E0 D
输入网址＜input type=text name=filename＞＜br＞) @. C7 v5 p' I5 v) j8 d" q4 U( {
＜input type=submit name=submit value="提交"＞% z2 W9 I3 I _4 p+ k0 p
＜/form＞
3 S( _ b- m+ L$ ^: l6 C3 z* \+ E; Q
" P. X, F% Y4 f+ N2 {8 h# L- t7 Q2 s) o5 B2 ]
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：
5 t0 n% v& ]6 q2 a+ X! l$ B; E4 K4 P0 M ~' K
% ^* B/ J Q% c
＜?php. [/ l& u3 u, O+ ~
if ($filename!=""){: R" x0 ~$ W6 d* V9 b
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
9 ]0 V6 d& S, ewhile ($buffer = fgets($fp, 1024)) {6 C8 b8 D7 [) \
$source .=$buffer; }" d& |/ d8 E$ _" S4 W
fclose($fp);
+ B( {5 Q0 @, P, Nfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
- E, Q6 m5 D0 ]8 y- u) zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {2 J. I6 L9 U) W! o( D
echo "找到图片标签:)＜br＞";}; \- `; }+ V3 O) x, C# N
else{
6 ~. q( X) J* D9 c3 |8 mecho "未发现图片标签:(＜br＞";}7 i. w9 H( u9 P1 D+ R/ |% Q& m
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，* s) c3 I% k* \# ?$ r. h$ j
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source); ^' _3 @) N, V3 w4 ]6 p0 j& o
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";! [; B! B# ?$ f+ J
for($i=1;$i＜sizeof($splitres);$i++){
# V4 e3 S2 [5 \4 V- Hfile://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;
. P9 [' x3 x- A& G q9 Q2 S# {unset($imgname); // 再次使用前删除imgname变量；
5 h3 F8 O7 r7 ^* D" g9 V% t$ i$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量. ]+ a, w, k, G5 P1 n
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息* b1 ~! E- e$ o* S! \# t4 R3 g* l. V
}
0 G, y* Q3 A. x- p2 ?/ [}0 |; I# l, v3 z( M, O
?＞. z6 F7 a" d6 v" A0 q
+ F3 x4 l( y( N8 j3 u
5 s4 c7 z* r# c% N 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
0 i+ _- {: u% b3 ]3 O4 Q2 a
6 T4 J: }0 c+ |' j7 b- u 其中函式sizeof($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。
7 a8 }) u; M/ `9 ]- Z1 o7 O4 E) U6 u* \6 {# D$ o" K
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。
" N" O) T. C; `+ d
+ A! i$ [0 k& z! N 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？ |
|
发表于 2008-1-19 23:31
| 