|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14443
- 金币
- 2507
- 威望
- 1647
- 贡献
- 1455
|
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。
6 o8 Z( P% l, Z. i" b* F& _' U' V; i, d1 R& s1 [
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： . @! @; \+ y$ l" Z& q6 i) P. X
( Z# `9 i: k D
$ b) U6 C/ j! ?: u" g3 \& Q＜form action=" abstractSRCfrompage.php3" method="post"＞
|8 g6 t, K( z# c' Y, @# q 输入网址＜input type=text name=filename＞＜br＞; ?* s! C: B6 D7 W2 f) d
＜input type=submit name=submit value="提交"＞0 t$ n }4 p# W a7 m) h9 E; G3 ~
＜/form＞
! D1 }: o( W! ]2 c: q. w/ S) ^* i4 x- }% N3 ~) C7 h8 J) Z
/ n' V0 N+ [3 O% ` 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：
; B6 Y3 m3 G; m: j' Q- N7 z8 {* d. w P$ J4 _0 Q# ]
+ G5 B+ P8 r# \# G9 Q＜?php
* N) E, ?7 P' F2 M. x+ }7 Y3 sif ($filename!=""){4 l4 M; I a# m" A. w% d! a# O! o- m
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；# Q! X! c+ w( x; z. e1 @; P! F- ]
while ($buffer = fgets($fp, 1024)) {
7 X) x* I2 |. M$source .=$buffer; }, C4 p. B2 W' T# K) s4 X. U
fclose($fp);
7 `' Z3 g- f: H1 A: Rfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
1 l9 t# l- ]/ D9 W) P4 zif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
% m) b: ^' T# T& f" K& Decho "找到图片标签:)＜br＞";}5 \& G! _. C! o& B$ C
else{
; L+ l" X& M4 t& k* ]& g2 zecho "未发现图片标签:(＜br＞";}
; |, d8 K) U3 ^3 x2 m2 R$ n1 Ifile://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，
4 k: T- n+ M8 O, j# a/ \, H2 B$ r$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);) I6 a- ~0 c* b- }4 {
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
! ^9 Q T6 {& u) O; J3 P' _for($i=1;$i＜sizeof($splitres);$i++){, V/ f1 X6 O. C' d" {. B2 J; {
file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
* D" {- j0 g. s8 y4 _unset($imgname); // 再次使用前删除imgname变量；& Z0 |: a3 u; x& v
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
: Y. c0 @2 l% [ q G- necho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
. Z/ H& g3 [6 `5 n7 V7 ?}
; I8 Z- y# v- J}
! b& r. d# j9 t) }, U! D+ y?＞
; E6 T5 z1 Z+ z6 k: x$ O
1 q- W$ J% f" h2 i5 V# E9 _' x5 d- S: Y" Q4 G' q) Y
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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。7 A& x W& d2 |/ m; _$ n& P
" ?+ R; g) Z' S$ g n
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。/ W4 Y6 j4 `+ @9 ]$ ?* P
z1 Z- O: e0 k; W3 F( A! c2 D
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。( @( |9 `9 W# D, v
. E. V& a. H5 X0 R. F
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
| 