|
 
- UID
- 1
- 帖子
- 738
- 精华
- 28
- 积分
- 14247
- 金币
- 2414
- 威望
- 1647
- 贡献
- 1362
|
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。 # q! k! e$ b+ F8 T, a
. _4 E% L$ t: W 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：
$ L7 b, s/ u& C: _* L
: f6 `" a/ p7 H! U' J9 e
T& P/ I: V+ s2 H% i7 K0 j＜form action=" abstractSRCfrompage.php3" method="post"＞( U% V& L3 L# w% n3 T$ k
输入网址＜input type=text name=filename＞＜br＞
% R. a0 q9 x" M1 U ＜input type=submit name=submit value="提交"＞; m, x1 T2 y. {6 D, W
＜/form＞ 0 j3 ~6 p2 n3 m
2 b3 ]! r+ r- j& f; h( \& _1 \$ r) t" K# J% V8 Z P
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：; I- C/ v) Q& L* v
h2 j% |- W$ ?' t3 l% ~9 ?
& c0 [5 R3 O. ]5 ^# N$ E＜?php; c1 \( u0 Q/ S6 k1 m
if ($filename!=""){# d4 W3 X" \# s
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；" @& L; Y0 i* [9 ?
while ($buffer = fgets($fp, 1024)) {" y3 x7 F' @+ {; |, c
$source .=$buffer; }
! @# i) g/ \+ r0 ~7 ~fclose($fp);& y: a4 ]- |. y5 u: G. ~
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记1 f; o* B/ r' k3 q) d( v
if(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {
: n. ^7 c- m! ]: E& G9 A# f: x) C; ?echo "找到图片标签:)＜br＞";}9 ]1 U! \! X' ~5 g% Y
else{. u; t8 {/ P% r
echo "未发现图片标签:(＜br＞";}
1 {6 w+ Q8 L* J7 vfile://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，
- X8 ?1 j3 t+ R& ?$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
( `& b# a9 x8 xecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";: w+ t9 i0 L* K
for($i=1;$i＜sizeof($splitres);$i++){
8 Q7 ]1 P8 Y% d- Q4 C$ Ffile://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; P0 H6 |9 C' \& ~) u% [
unset($imgname); // 再次使用前删除imgname变量；
# H# @- ?* n4 ?" W& e: b/ r0 W$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
% y6 R- A. L4 U* c) U+ Iecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息3 ~, i A+ S* O l* [# a; i' f% n
}& j, c( p) M" F& u3 j$ o4 H
}+ \1 K5 P3 |" c/ c3 e( X6 Z
?＞1 V1 L" x6 d, L& m7 r* Q
. @! d" h- H/ Y) G1 H( \
6 [! Q! i b6 ^2 a- 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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。) ~; ~+ L# _1 }: B" _2 f [, j
% D: r- g2 X" l$ ]5 ]" h
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。5 L4 u% f* O2 {% b
, \: H! t7 S' U
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。
3 R0 Y/ T8 m0 o) U2 S2 |- S
/ v+ |) T/ s) I( R4 U) o% s4 V! I 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
| 