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。  6 \$ Z- O) B8 j6 Z5 m

) V! e3 d% [( O, ?) U0 p　　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： " A0 G: I0 V8 `7 v, u
: g9 M+ R  c- }6 g& [8 s/ }7 s
: {7 N' _" U9 O- y+ a
＜form action=" abstractSRCfrompage.php3" method="post"＞" q  f* m9 ]* \8 @: O& k. ~
　　输入网址＜input type=text name=filename＞＜br＞: J3 N. b% ^$ B+ I: _8 l
　　＜input type=submit name=submit value="提交"＞& n9 \8 d8 F( \
＜/form＞
+ A& N: ]9 C/ C) J5 Q, _  X4 X3 k* y3 m, Y0 D- L6 e9 a
5 r0 q1 Q% L2 R% M
　　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 l6 ^& D; o/ C- h* G- C" i- l: d: J) r
0 U, n. R+ t" p, v8 Q
＜?php
9 [5 h. {, {+ G3 Oif ($filename!=""){; d: U+ J3 T( u! T" L$ Y/ E' }
$fp = fopen($filename, "r"); file://若输入不为空，开启本地或者远程档案；
. w, H: O. U4 G" Bwhile ($buffer = fgets($fp, 1024)) {( L  a. K& ^* t, _
$source .=$buffer; }& w! a9 D8 h1 h! `' ^1 x
fclose($fp);
3 u- D* q, {5 x( S$ _# ~file://查找$source中是否有＜img ...src=".../...gif | jpg"＞ 这样的标记
3 |. f- {" Q' l6 Z' @+ C" Sif(eregi("(＜img)+[^＜＞]+(src=")+[^*"＜＞|]+(.)+((gif)|(jpg))+(")",$source)) {0 r. F) i3 i  `
echo "找到图片标签:)＜br＞";}  B$ P: A% H2 r# ]4 m, Q
else{
' H8 h5 u& m  [. W, techo "未发现图片标签:(＜br＞";}
' `& K; Z6 C  c+ ?, {3 pfile://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，
* a1 t% u. h  B6 B; c+ ^! K, y3 I# ?$splitres=split("(("＞)|())+(＜img)+[^＜＞]+(src=")",$source);
  L) O4 R* _7 m6 M& kecho "找到: $imagenums-1个图片＜br＞分别为:＜br＞";: h/ ?( `( S2 E4 _+ w/ |- B
for($i=1;$i＜sizeof($splitres);$i++){
! i3 b9 q+ K% |6 {) S* Y7 C  Efile://二次拆分，用"拆分。因为文件名能含有"，得到的拆分数组的第一个元素就是路径+文件名了;
5 U' p9 ^% G/ U$ B* Nunset($imgname); // 再次使用前删除imgname变量；$ x$ V' k. d8 ~0 b7 _
$imgname=spliti(""",$splitres[$i]);//将析取的图片信息依次赋给imgname变量
$ T7 \2 Q# J4 iecho "$i=＞".$imgname[0]."＜br＞"; file://输出析取的图片信息; ?( E( e0 e1 W# f7 T
}
9 s! V* m4 t3 u6 e& \}  D( t3 G% z% F' u
?＞
) a$ }5 U7 X+ D/ b/ ?% m5 @# I6 {' B
  g9 H* E2 X+ C3 ^+ j
+ G/ C% h' @" o( o3 H, O- s　　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$source中是否含有＜img ...src=".../...gif | jpg"＞ 这样的标记（关于该函式在上篇中有详细的介绍）；假如找到的话，则利用split()函式按一定的规则执行两次拆分，去掉标记中的＜img…src=字符和"字符，结果得到数组 splitres，其中的每一个元素都是以图形路径+文件名开头的数组；用for循环在屏幕上输出每个数组的第一个元素值，即我们所需要的所有图形路径+ 文件名。
5 ^) w  s+ s( R# q0 \* W0 y5 E; U* O5 b
　　其中函式sizeof($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。3 R9 V9 y1 S  h/ U& J" i/ \

% \+ C  d6 d1 t9 _2 f7 \　　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。! k. A; b7 e/ E# B- _9 m. M& ~
5 D! t! l4 C& A" 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？