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。  8 m# B  P8 y4 Z- Q  P4 f6 Q
5 R6 J3 J9 h, P: P( _, z) O% 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：
4 x2 U- I  [7 R2 B
( @4 y& c; `) A! V$ ~9 w+ d* o6 c
) x3 c. t8 b* |3 B( K3 D＜form action=" abstractSRCfrompage.php3" method="post"＞
, b9 p5 q) m8 w% R# T　　输入网址＜input type=text name=filename＞＜br＞
- I+ M+ \3 Q. n% Z! q　　＜input type=submit name=submit value="提交"＞8 r  `0 q" g1 ]! p: X
＜/form＞
5 l4 K( f" {( K; o
+ i, f* d3 A: h& W5 [- v
, d' s# [! {. W# `$ y　　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：7 _3 |1 D) ]# \  O: \: Q  f: Q7 C& @
% _0 O# G9 p4 J+ D- ^

+ U% E' i& e6 ~7 o7 ?5 z' c" \＜?php
! e6 `5 `& \& o, y2 ]7 zif ($filename!=""){
) e6 j( j: a6 X! k& h" K$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
) {% h  y% j/ U9 Z0 v6 `; Z# \while ($buffer = fgets($fp, 1024)) {
* U% K4 ?; d5 y  M- X$source .=$buffer; }. L5 {5 w7 e$ o2 Z; I1 c
fclose($fp);9 n3 `. a6 I! h) i/ N, g! A, [
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
, D6 R7 P, B7 e1 Yif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {; ~. ^. z: L) R) r* m+ ^5 }& X
echo "找到图片标签:)＜br＞";}5 w# y0 F% _: ~6 E' g/ H
else{* _! B2 N+ ?$ s& ^4 K& ~" X
echo "未发现图片标签:(＜br＞";}
6 I+ V4 O5 j0 ^# x) Ffile://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，( [& ^+ Q. s6 x) v
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);! p7 Q' X9 D1 E9 T% W
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";( M+ l) D* F+ W3 O
for($i=1;$i＜sizeof($splitres);$i++){
6 p% K* d5 X3 r! P2 ~- u. d* f1 qfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;9 P0 {: E6 L3 J7 ]9 ]
unset($imgname); // 再次使用前删除imgname变量；
4 O+ K- K+ c: b8 g1 d  o4 w$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
9 u# t  f5 `, K+ oecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息
3 H' m% Q8 I3 Q' d. l8 O# p}% [. c4 _3 u: e" ^4 h
}
9 M9 Z" H3 U$ }+ E: w4 f# W% M$ K# B?＞
  p5 y* \# w5 y' @& ?7 G" j4 c, J+ h# J; P& @2 T' Q
$ G: Z- V% p2 I( L; D* j8 N/ T8 `
　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
+ {3 m. w2 G) ]2 m# p7 Z1 B8 P4 @' x8 `) x6 Q
　　其中函式sizeof($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。; Q2 ^' k. g. Z

3 w4 c2 E1 D. \: [8 M! 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。
$ ], S0 k7 s5 r9 O) a8 t/ l8 w0 z' w- K( i& F# a: 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？