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。  4 ?" M$ G3 C$ a- b

3 k" g3 a: L$ F9 A, P  h　　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： ) ^" }. l0 u5 ?+ ?( s0 F7 D

: ?0 X) C$ u  M: ?0 l
4 Y" w9 B- T5 p- c0 ^! O; J＜form action=" abstractSRCfrompage.php3" method="post"＞+ ?0 H/ v6 @% _! v, i5 V6 G
　　输入网址＜input type=text name=filename＞＜br＞6 w3 \* v. F8 V) J
　　＜input type=submit name=submit value="提交"＞
* x- I% t. g  N  P0 ?) g＜/form＞
, X: S, o; J6 [/ y+ `0 y- H$ d7 \6 _) j6 U: }! R" N/ a
& k( e/ j2 A) Z  e# ]
　　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：
6 A; ~8 `1 q* t! m4 O* C, w+ u  K
: k* T( t$ R. B% q) g; O
) W5 a8 ^8 k6 P; m＜?php% T+ |! m/ n6 C. M$ G" z4 C
if ($filename!=""){; d% |/ l6 \) ^6 n
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
. U0 z2 l' ]) e9 n0 Fwhile ($buffer = fgets($fp, 1024)) {. _9 J6 H8 ~# D2 r% a* H. ^; `
$source .=$buffer; }
' Z% b( d4 @  Q, G. F  ^fclose($fp);6 u# f6 R6 _: u. w7 A; U  ~. H2 Z, y
file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
8 T$ o3 l  k4 E1 g9 ?6 M" Wif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {* F( x9 z- o' }9 S, @
echo "找到图片标签:)＜br＞";}
; E: Q! F2 v' `: ]/ y. K  gelse{
2 E1 n' x  z" c( l9 `( Jecho "未发现图片标签:(＜br＞";}8 z% b6 M9 M! K& ^
file://拆分,第一次用标签,＜img ...src=拆分,得到了以图形文件名开头的数组，) _( i$ I! t4 Z# F% l- d
$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);$ q1 V; Z" p. F  [" K2 W. m) E
echo "找到: $imagenums-1个图片＜br＞分别为:＜br＞";
+ O8 d3 i' j5 g6 V2 b0 b1 Y+ Nfor($i=1;$i＜sizeof($splitres);$i++){
% I  r, u" Z; k; Wfile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;7 L& {% S# r& T2 m
unset($imgname); // 再次使用前删除imgname变量；
7 G3 T0 Y4 [1 _$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量) I3 J  e, _$ E3 H4 m% l, F/ S
echo "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息* V) W" G% h" v7 W1 O  ]
}
: r& }# s, d0 x/ b}, y7 ^! _% p) f
?＞
+ H, F5 O* K% \$ \
" ~) f/ @* @- e; n. z
( H" u, |' q  K! i　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。9 U6 C7 }4 Q2 b( M
1 T5 G3 f. ^" o8 j( Z+ F% n
　　其中函式sizeof($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。( F" E) R0 K' x; O! G4 G7 L- z# p9 L

: {- ~* E: `! B; x' J0 g' f/ m8 |2 M　　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。: i+ p. `9 g3 Y* i( C8 c: Q
; Y' b0 e& f3 d. X
　　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？