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。  ; l& |" W0 V, ~# W0 a+ D

8 b0 S# B7 n2 u' Z　　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：
6 m: D% ]2 d8 N& L! i, ^; v
0 q3 D. |5 Z6 ~5 ~+ W* U5 p- j$ G
5 Y. \+ d  \/ t＜form action=" abstractSRCfrompage.php3" method="post"＞
9 D/ @# H7 {* O$ e+ ]　　输入网址＜input type=text name=filename＞＜br＞
% N* K6 O& {+ C  Q6 |　　＜input type=submit name=submit value="提交"＞# U( j0 W& d3 `, C1 m: T" ~
＜/form＞ 5 d5 M* U$ V+ N9 |1 O
7 u, ]3 U  O6 q
6 E' ]; U+ o2 M$ f# H
　　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：
! Q3 z- A: q/ F
( n7 ?1 n8 I# d$ [4 L9 f
5 o! A& a* W0 C! K" g＜?php! A) ^1 a: L, U3 |% _" B
if ($filename!=""){
+ j% c, S9 g/ y3 |3 R$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
( m( a' q/ F" y5 ^$ Kwhile ($buffer = fgets($fp, 1024)) {
' }5 Z) N* A* l% Y* \2 a( k; p$source .=$buffer; }
% C$ f/ C) X9 F+ Vfclose($fp);
$ E) _8 h# f) x1 ^& M/ Pfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
/ m9 O7 ?" L* I6 g! C1 Hif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
, E4 R, q8 _. o. ~. l7 oecho "找到图片标签:)＜br＞";}, ]9 Q/ H8 g1 A2 T' {$ E, k
else{3 f3 l, u# \& U  b4 W
echo "未发现图片标签:(＜br＞";}
9 P. B, _* S: G0 lfile://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，; L3 T7 f' N5 C5 \8 I) M# i
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);) b& x" Z' q& W
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
% U1 W$ _- J7 _" k, Mfor($i=1;$i＜sizeof($splitres);$i++){! {6 Z' R  Q* e& x. H: 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 P5 j: {% U! V: K
unset($imgname); // 再次使用前删除imgname变量；* X* @+ H  w+ h+ e8 V; s
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
# P+ E' \. H( ?) }echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
( v. f0 `$ N9 a6 T( @}0 {# W( O# X+ E# p% d
}
6 F/ i/ D6 J2 D  q?＞# w) H$ l9 m, v, l' [
- F; S2 \: c0 h# T

8 J) n* D, h6 m6 @  ]8 e4 n5 a　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
3 a5 M( g/ \. M! k( R9 z, Q( d9 S# p. n, `
　　其中函式sizeof($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。$ G4 P" _/ w1 \2 O- S9 s7 g

# n- W% i9 \# }- _　　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。
! [3 m: n  o2 f( O+ o4 i: U) @1 X  B6 Z& t3 l
　　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？