|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14197
- 金币
- 2389
- 威望
- 1647
- 贡献
- 1337
|
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。 / W h/ Y5 O7 F$ m! `; |
+ M6 X2 d' _; ~: Z/ }# V1 M 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：
5 Y. _- B/ E, I$ S$ j( `0 p( w
1 u, a; {7 S" ~7 {) P4 C- u＜form action=" abstractSRCfrompage.php3" method="post"＞
* J h7 n# }4 y$ t: }- V 输入网址＜input type=text name=filename＞＜br＞1 P+ m0 I( o3 l; T! V9 A8 a
＜input type=submit name=submit value="提交"＞
7 W" ]/ J; R! n. H＜/form＞
/ x* O; _$ u! J W+ @ n' s2 M& ~2 e% j/ d. z4 V: E
& Y4 a1 V/ J3 i6 S
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：
( z4 b/ ^( M3 G" H, X2 Y" ^5 T! T' X; k
! Z4 P6 Z( Y/ N3 i% o# B* T＜?php
3 q8 X' a1 D6 H6 H' ]if ($filename!=""){; c$ {0 v0 j6 y
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
( v, S% g! N. [( ?' qwhile ($buffer = fgets($fp, 1024)) {, l, G+ \7 K# m
$source .=$buffer; }3 s- Z5 a: U- ?: h) B
fclose($fp);
" O* s9 K6 d; y3 S( xfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记) p) q$ F8 d, e. S l
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {: [4 l7 b1 ?. `! {7 J5 n/ u p
echo "找到图片标签:)＜br＞";}/ h7 S& \; n. L
else{
0 T+ ^1 D& h7 p1 Qecho "未发现图片标签:(＜br＞";}: O0 n$ G" h8 t; B8 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，# X" @$ l! g! K) h8 \- x. n
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);- [" l- L4 o! ?/ A" ]
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";! N1 d' ^7 k% w' _8 u P$ t
for($i=1;$i＜sizeof($splitres);$i++){' z" j) m! K1 T0 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;0 V7 S1 p3 X8 t+ c* \8 e
unset($imgname); // 再次使用前删除imgname变量；
; e7 j, X x+ `3 v% G$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量" r4 J0 u6 r; b6 G& u! j
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息 z+ R9 t8 b1 L3 Y7 U. x
}
$ }- J) u5 k" T \}9 f$ v/ P6 `! {# U
?＞5 ^9 C- a7 G. r. F1 Z% J a
/ C& ^# `* O& ~; W5 b6 A
* w0 K7 v& k* J" d+ L 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
( L+ n/ { u) T: H8 a: b# y) v% C" Y& q$ _. O: S7 }% S
其中函式sizeof($splitres)返回个数；在for循环中，依次将数组splitres的每个元素（也是数组）赋给数组变量imgname，并输出imgname的第一个元素值（为找到的一个图形路径+文件名），当执行下次循环时，删除变量imgname，达到重复使用的目的。大家可以仔细研究其中的奥妙。- t6 |* W6 s' {9 ?
3 r: l" }0 I* j" k
好了，写好后，将abstractSRCfrompage.php3存到你的服务器指定目录下，启动Apache服务器，在浏览器中打开它，随便输入一个存在的网页名称或是远程URL,看看效果如何。
9 @0 S$ V# ^, Z0 {3 i9 X( L1 r! c, O) s7 K
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
| 