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。  
8 a4 u! R3 o  j2 a8 j8 J
: `8 v' {; |/ S　　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：
4 w  p' K' y7 `" W& x
( L! \9 v. M5 v. s7 k  ^7 |4 \- `5 ^
＜form action=" abstractSRCfrompage.php3" method="post"＞
. y( L! z/ O) r- M　　输入网址＜input type=text name=filename＞＜br＞
9 O+ P6 B7 _- V　　＜input type=submit name=submit value="提交"＞5 n0 _$ L. D" G: Z
＜/form＞ ( `# L4 ^8 V* F5 s# j

4 a3 P! z& c" A7 b4 [
& u, p" O" D5 v/ j: 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：
& G& D" y2 q: B- T# [# p/ |# U& ?& C5 p# V: k

0 T: h" @! I0 C/ i1 W  p' `＜?php5 f! T  t" n9 H% _! g
if ($filename!=""){
4 I8 ~1 @# y: K0 o' O, q$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
- s. L% Q2 ~, w( n4 Zwhile ($buffer = fgets($fp, 1024)) {
5 y2 ?2 p4 J! J! j' m' h3 y7 v( ?$source .=$buffer; }& E' }( z# K: l. _' `; i
fclose($fp);
0 ]: b# W' e$ o: a( T# qfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记0 D( k2 U  \, x. n
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {) V- K6 Q1 v1 d2 J+ A/ M( \& Z
echo "找到图片标签:)＜br＞";}
# c  s: T% |* Y: V6 ?1 w5 V$ |else{
6 `' {  K4 F  I- l  cecho "未发现图片标签:(＜br＞";}" y2 S5 i* k/ F) j! S0 P3 n
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，! |3 L; F% {) x# M
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);5 e$ n: D# x7 k- f9 \3 {( i1 ^* v: f
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
! ]0 @6 z* Y& d6 I1 gfor($i=1;$i＜sizeof($splitres);$i++){
; b& t3 l: p- _* u5 [file://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;' L+ t# \8 x& X$ a7 x* x
unset($imgname); // 再次使用前删除imgname变量；: k  U4 W2 L6 o- D9 ]( ?8 W
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
2 P6 O4 M' I5 u9 N# q- C0 techo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息$ A7 T0 H$ k4 l
}0 B# O- w' {+ ~& G+ H" G/ s
}
( D* d1 k. o* S' T+ x?＞
7 M) m. [( Q- y3 y% u+ }
9 P4 q+ C! d: ~, K+ \1 f" l
$ B. m' j1 |8 Z　　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。" R1 v7 S( Y* o8 x! c9 v

; a7 `2 N+ q& L$ p　　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。
% ]: U; ~  N/ B% I& ^
$ ]+ B& H" m$ O* t　　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。
0 x  w3 ^* b2 I# s
, @5 p( x1 }7 h; K4 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？