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。  
; E- s9 u. D4 x' G1 z/ U# l
" g1 C* D( p, b- Z4 l: X; y$ Y% ?4 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：
( g- o/ ^) J  I2 j! K. a2 z/ u3 |' Z" A. ?- {
; o6 u+ j' ~' \$ m
＜form action=" abstractSRCfrompage.php3" method="post"＞
  d2 i) ]; N, W$ p& O7 P5 g: n　　输入网址＜input type=text name=filename＞＜br＞2 k, [1 |9 P" M; W+ s" m* T
　　＜input type=submit name=submit value="提交"＞
% L; o# l' h- S2 R8 f$ \3 f7 M& y  Z( X＜/form＞
. H* e' y% W0 T/ O1 Z- E, y  ?
0 O; u$ v, _- c' B" c, a( l; R* g2 Y$ g% p$ r5 K
　　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：
2 y& _  l: m1 p. h) F& U: U' l3 k5 b# y6 @
7 u5 o. |  b; \' b
＜?php$ C4 C& j+ M  @' F, B3 T/ F# Q1 a0 T4 L
if ($filename!=""){
) ]$ G7 B0 ^  V$ j) W+ D/ X: U* P$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
. c. p1 Y) N5 {$ J3 y# w3 Pwhile ($buffer = fgets($fp, 1024)) {$ S- D' f2 X2 Z/ i
$source .=$buffer; }: @% C2 z  q/ h7 H, ?  w; X) L
fclose($fp);
& e+ H/ Z; @+ O* Xfile://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
# @' x: V$ g: {  @/ f$ s+ Rif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {* A% U6 @* o5 y& g" h, W6 \
echo "找到图片标签:)＜br＞";}0 e; w0 D/ B- }
else{
, Q) B! z1 i# Recho "未发现图片标签:(＜br＞";}2 `# h7 W  a9 E7 V& T6 u- D+ L2 h
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，9 r9 \0 q* N) P0 o, @' P8 J
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);8 r2 d' V6 q; \+ n& s' w
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
! h1 G+ u3 o2 M& v6 Y) efor($i=1;$i＜sizeof($splitres);$i++){
' W# E2 w$ l3 q# S4 g, Pfile://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;
/ C$ A& R# D2 ]' {7 y- Y0 D; _; |0 {unset($imgname); // 再次使用前删除imgname变量；
$ F7 f% }7 W0 U" m) P! p$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
& E* b: G6 |; ?' Qecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
5 s. P9 `7 b2 P% c# ^) t7 Z: K}
9 ^9 p. J3 w3 d$ y( E}4 k0 c/ n% ~; i
?＞
  ]0 u2 [, K% c% t! }
3 \( Z# S. h( m5 }  J" D! C" J) ?4 K( U9 T
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。1 a2 R# Y! b! h% y
4 o$ P3 {: h3 a) |0 f- 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。- ?, }: w8 T# Y( y0 @

3 t: h7 ]  {& o7 d　　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。
. V' r6 |: ^5 o& Q0 ~7 {& v0 H: v  l4 }* F
　　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？