|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14443
- 金币
- 2507
- 威望
- 1647
- 贡献
- 1455
|
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。
5 x% X+ ^8 \3 k' y
t2 g+ D g( U7 g) } 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 t* e0 Z! M: q. @
) m2 ?7 Q. j2 t9 M5 X2 Q2 N% t3 s* N3 o/ h7 b) f
＜form action=" abstractSRCfrompage.php3" method="post"＞' q. y/ r- ?$ T. z' d" m9 p
输入网址＜input type=text name=filename＞＜br＞
8 v* h+ L& W# V2 F0 j: U ＜input type=submit name=submit value="提交"＞
4 e9 d" d# n+ _9 N' G# k0 z4 S; g＜/form＞
$ g2 c" G! s4 L- U/ g! v
# _+ W/ z, p0 @/ n3 M, K# e( ~' b; m" V% h; w
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：- u3 E" n" e2 @' F. s/ l
- ^; l' Q u0 i3 H9 J1 }1 Q$ s7 \- {) _" c
＜?php& i& X5 c7 L- }
if ($filename!=""){: W5 D4 |. e/ M6 z/ g3 C; }
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
( B+ S: ~5 s# l+ C5 T) g- f* Fwhile ($buffer = fgets($fp, 1024)) {! C5 N. K" n; U9 p3 Z
$source .=$buffer; }
6 W# ?5 j+ c0 y; ^1 l1 |1 Cfclose($fp);0 q K$ b" E5 P N+ Z$ ]6 a( j9 R
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记7 `" ]. w2 g. u6 |
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {" w8 E. X3 p- A. _2 Y0 q
echo "找到图片标签:)＜br＞";}
# e# ~! O9 h" i! M [' Belse{ i, |' ~8 g" L1 e" `0 ]" p/ ^
echo "未发现图片标签:(＜br＞";}
! J8 R1 b0 [1 N0 }. Kfile://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，
, a- O8 P- { ^" c" Q$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
$ y# E- x. ~7 d9 n! p6 L4 }# Techo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";* [7 R8 R) p# a# w D+ F! a/ j
for($i=1;$i＜sizeof($splitres);$i++){
0 E, U( t- g* O- q! jfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
7 d( Y4 i; h/ \! D/ i+ S- cunset($imgname); // 再次使用前删除imgname变量；$ g* R4 v) m9 z; Y/ f6 d
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
) F" ^6 M7 s) Jecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
# }0 q$ ~1 `; B- g2 r9 M& @" I" X}
; e( @& t$ ~' X+ m}8 T! y1 O7 G! K% Y8 x8 S$ j
?＞
% ?. y5 [% R6 O' e8 S6 Y' N* A1 V6 [( p# \+ b
, i3 O/ D2 v2 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
0 t5 O9 _7 e" H* t m" Q+ B4 T" G8 b# Q/ I0 K
其中函式sizeof($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。
& V. Q- R3 [8 h6 ?6 b
2 I6 Z6 @9 l% \6 B/ z 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。
6 p4 ]3 }# C9 {% n& C* I' X# |
8 x) R" x9 x! \$ s# C 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
| 