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。  
% @* y' @% C2 h( f- }) j7 `& ~/ v8 I' F  Z8 s& t
　　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 e5 o3 ]1 [1 a5 V6 R6 b
, @4 f& @' U' W1 T' }
5 [& L' X, a& J1 F5 y＜form action=" abstractSRCfrompage.php3" method="post"＞4 P4 ~' b0 l3 s* o
　　输入网址＜input type=text name=filename＞＜br＞) `! F$ @+ _/ H8 p3 N* [- v. b
　　＜input type=submit name=submit value="提交"＞# H4 v! R+ H: U* k7 }* Q
＜/form＞ * K8 _1 [6 x2 ], n, i( F

2 R, `0 N2 h; w( Y! T2 n0 o7 v5 M- L5 x" W, a
　　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：
) W  w. U4 ^6 O' K! C, _0 I  n) C. v' j0 G7 J
6 b% {5 u, J) `/ }
＜?php, W1 J% v! f( }: K1 g0 V
if ($filename!=""){
, P& \8 e/ s# ?& y$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
/ l( I. j/ {. S0 k  Jwhile ($buffer = fgets($fp, 1024)) {
1 O1 k0 a; Z( ]5 j/ i1 M7 @, t7 B$source .=$buffer; }8 m) i' }+ K* d1 h+ a
fclose($fp);8 }% r/ ?$ L# W, e; Q. g5 b
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记! J; R6 U. ]9 }8 a
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {4 ~' e# s( B8 V7 Q& W
echo "找到图片标签:)＜br＞";}( B& Z" G" O: @0 y
else{/ M& Q; v9 y% v5 A5 j
echo "未发现图片标签:(＜br＞";}
4 k  \; H7 R5 `# v7 o( @* T  C9 f8 ?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，- z% f* w+ \2 ^( K* s) K- I( x
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);+ K. i2 f% i0 T  j6 ?% W
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
, o7 v: }# v( O5 w$ bfor($i=1;$i＜sizeof($splitres);$i++){9 r) n1 O$ i6 F/ g3 e( ?* o! `
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;/ @: Z: v% b7 q% o4 g
unset($imgname); // 再次使用前删除imgname变量；
; U8 @# p6 b! k/ D5 S3 k! V2 U$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
! {# x" G2 }4 e9 G3 x. y6 Fecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息: B: U+ F* B6 d9 H, a. p. w. d; g
}
0 e7 ~: c( d' ~+ l& r5 w! R}
. @; v. M: _6 D& q, F2 ~- Q?＞
; W& v5 o; b8 ?& J2 q5 e2 O# [$ X1 Q6 n! N; @1 h& i" `$ D

3 O% \6 A/ E2 [! k) g( g8 K5 m% X　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。1 q  K/ ?4 v. I! H* e
' r# L0 `4 O1 b5 x! ^6 C/ ^: n6 g
　　其中函式sizeof($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。) r. r& Y4 d7 I$ j1 F2 U, k
7 p: M+ W* Y* ~( S6 h" j
　　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。
, P6 m7 k9 q$ ~6 \1 s
5 ]! ^& J3 s2 L: [: W; [9 }& D　　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？