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。  
. p# E) f+ i" L! b
0 x" h2 ^/ x0 L+ E6 J5 R% K　　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 z/ Z- q, {1 J$ J, x6 R

" l/ N/ H3 g7 o2 P1 Q$ d/ Z6 B+ r8 z2 B: U/ a$ w
＜form action=" abstractSRCfrompage.php3" method="post"＞5 _) E, m5 V" e) }! P  i4 U
　　输入网址＜input type=text name=filename＞＜br＞9 \; f# k/ [& }
　　＜input type=submit name=submit value="提交"＞( T/ h- M# A' G# t5 y0 m
＜/form＞ 3 y% q0 Y8 z2 T2 [( h  ^; M" P3 z% t

5 F- ?; x* e7 V" b4 h$ A. r4 U
8 |9 @0 Z" G, g6 O- L' j) c/ M+ x　　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：: }4 ?' f' Y' D  l; R! |

2 k+ c, \- c# f5 Q; E3 h
+ y( x$ V% p! A# j＜?php
3 N% v" ~' N; y7 \6 }5 @  Lif ($filename!=""){( ]) v+ F9 {2 {$ I2 Q/ f3 P5 Y) h
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
2 \& F* T5 s4 r- n; p, jwhile ($buffer = fgets($fp, 1024)) {
$ _# w" y! H8 _; H/ v$source .=$buffer; }5 S# t' M: B/ ]' c* y
fclose($fp);
% c+ H1 Z  e7 G9 [5 ^, m% kfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记) i* L/ L' }( x! `5 @# U
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {0 i) v3 `1 C$ a# k2 ~
echo "找到图片标签:)＜br＞";}7 P  i, \& k) T# b0 h# F/ D6 G' b
else{
# r4 j3 O3 S8 \8 {3 [1 \; b2 G& oecho "未发现图片标签:(＜br＞";}
2 x% @; t1 }) L- X( \) Wfile://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，
3 _4 G3 @( A. W% V# S) l$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
  N0 \; j, \. a0 f$ M7 pecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";- d1 V& f5 ~: t" I
for($i=1;$i＜sizeof($splitres);$i++){
8 {! q( O* D' C5 @0 Rfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
" M2 E) _) @! m2 m& u8 q, cunset($imgname); // 再次使用前删除imgname变量；
# b" f* R3 a3 c8 I$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量, ?9 W0 [3 O; R$ d' a3 n1 \+ p
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
7 c2 Z: w' H& J/ n0 Z) o}( r+ T/ P2 {# `  [
}
9 v* g( q! x2 E2 ]6 @& n6 U9 H) C?＞
7 ?. K% P) y- R( V. f; r8 `- i
+ c( q+ _& z! C. P2 `, y" k, M  d+ V$ {* c: V
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。$ I+ u2 D7 j% _8 s

9 k" q' E6 x7 k- @: Q　　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。% ~" a2 ^: s! w& w( u* A

  w8 i7 H0 G( }5 D6 e% [　　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。! O1 q! b. u, f' s) x

8 e. F5 t- P4 J+ e  X　　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？