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。  4 T5 t$ j0 B5 z% y% e: y7 W4 M/ k

7 C# }+ d* U6 s6 {; }　　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：
3 T, a4 `8 `5 |; @5 q9 G# j
: N+ ^+ k7 q8 f& Z& _$ Z+ [
  i1 F5 }, F4 D2 I＜form action=" abstractSRCfrompage.php3" method="post"＞' V, v+ c4 X/ R# n
　　输入网址＜input type=text name=filename＞＜br＞
( p2 B6 y( T7 }  G8 ~) `　　＜input type=submit name=submit value="提交"＞8 f" f6 P+ f& m- ?& r1 J: P. R
＜/form＞
7 \- U2 W4 x7 t
0 Y. m7 V' M! S! N$ i+ o
2 W& \3 s/ ^* }" V. k( 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：
- r; u. y+ u: W
9 n/ G7 Y# U, L# F( i6 x0 P
5 W* ^9 H' P- Y  h/ P8 H＜?php
. u0 S: i/ _* E. v/ uif ($filename!=""){: q4 {# P' G% F
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
; `  e; A* @* s8 `6 S% ^while ($buffer = fgets($fp, 1024)) {
$ ~% g5 g7 d9 _$source .=$buffer; }( l, j2 L" X; i! [- ^
fclose($fp);
6 \# \! r+ ]% s. xfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
+ c; `5 K3 Q1 K! c* wif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
1 B% F  e5 \1 Recho "找到图片标签:)＜br＞";}' C' q: |# Q0 e) g
else{# X! S% Z4 E4 m; ]
echo "未发现图片标签:(＜br＞";}
7 q% k7 |; W  [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，' ~2 t) c/ w2 @! u7 ]: O
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);$ g" V' D) o" f, U( ^
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
* E* C' t# o8 D8 t1 b7 h& @, h, i. ]for($i=1;$i＜sizeof($splitres);$i++){
# n# N8 C# \# N& g/ M$ [, Nfile://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 f  Q; X8 G) a
unset($imgname); // 再次使用前删除imgname变量；. L' h9 c& o1 ~* }4 I
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量, ?3 F  y% d' q6 V  A- }1 D0 H: M
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息. A9 z, S4 D) |0 W3 ^* s- x
}) E! M* T; J/ |& Q% y' @
}
/ J. E. f( [0 C3 u2 P?＞
: p" S, k- y' _4 `: G+ L
; Y- M) _* _5 h5 E: P* R2 j# V1 T' _& |& v/ k
　　该段程序的设计思路是：PHP程式判断是否输入了档案名称(网址URL或本机档案名)，若不为空则以只读方式打开该档案；接着使用函式fgets (fp,length)取得档案指标fp所指的行并传回该行内长度为length-1 的字串，上例中就是1024-1=1023；然后利用字串比对剖析函式ereg()查找$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。; A0 \( x# W, X: p( `$ K

7 p, F" P8 G) `" ~- x1 ?　　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。
  h2 E9 k. a9 L4 O: Q
1 _% }. Y* j9 j/ U: z# G0 B1 ?　　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。4 Y1 j5 L- t& A1 [

: W' B4 P1 h9 V- F0 Q2 g　　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？