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。  0 Y# [& m4 c+ m" ?
2 x, {/ @, g+ U* ^: F0 D
　　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： . N1 Q- [( A. f& z* c' \3 ]: M

/ ~3 k) `& M7 o* }! L: C
6 k! F3 b* C% D＜form action=" abstractSRCfrompage.php3" method="post"＞
5 s4 _: ]* o2 ~/ t0 k, w; m5 {　　输入网址＜input type=text name=filename＞＜br＞
' E( }* O% {# }+ ^0 N　　＜input type=submit name=submit value="提交"＞7 N  \2 Z5 U* S( X: i3 e$ d% L, y
＜/form＞
; O  S! d  P! n9 {7 U9 B' ]) f& M2 x  z8 X6 ]
7 Q6 g" n9 k/ y' i
　　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：$ x' `9 Y9 p. A3 U
& V% ^+ A$ {! H! F" g9 h" r9 z: Y4 K
7 P& g/ [6 n. r
＜?php
0 x& O- }6 ]. A$ Tif ($filename!=""){
3 F/ G. I3 t$ z$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
, }3 I" x% F9 o$ L! q! v+ }7 S, }; ?while ($buffer = fgets($fp, 1024)) {
, T: z. z" j! F' O* {$source .=$buffer; }5 B) w! X2 K7 K8 X
fclose($fp);' c0 u9 A! y0 [* ~! B- o
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
! \' Z0 _( w# E2 ~6 Tif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {+ G! `9 k; L, z
echo "找到图片标签:)＜br＞";}+ l; t# g# _2 l7 B- ^
else{
( j! b' C. Z$ i' `$ mecho "未发现图片标签:(＜br＞";}' ^% _* g: {! w- H7 J0 x
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，( R- I- @# }: Y- m3 T% Z' J
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
( I" J" M2 U" M( ^/ y% mecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
9 _. c' ^. ?- B9 z- `7 E0 Yfor($i=1;$i＜sizeof($splitres);$i++){
( H2 ^% l( D6 ^$ T% n( }6 ]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;! W3 [( s" L+ z$ `# k
unset($imgname); // 再次使用前删除imgname变量；6 s0 M! S) T8 B* ~
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
6 J; B* \: P( I' wecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息$ K- o5 a) s: A0 Y; X
}* A3 [& F6 y* J  J/ n
}
! {  p# |/ l, k?＞: W" o- g; [6 W: }! \  L
" D( J2 n$ H9 v6 @" \

5 A6 z; k; b; h+ k# M　　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。! v, Q. N# C# k) j

0 I7 _. s" k/ _1 G! x8 c　　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。1 v8 _. y2 j# j% ]
, g5 ?0 K) p) a9 ^
　　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。
$ b5 S/ @5 w! B+ P% Q% x! D( g* y' [8 P. i/ T1 K8 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？